[UseMoney=10]
[/UseMoney]
【内容简介
本书的第1版《模式分类与场景分析》出版于1973年,是模式识别和场景分析领域奠基性的经典名著。在第2版中,除了保留了第1版的关于统计模式识别和结构模式识别的主要内容以外,读者将会发现新增了许多近25年来的新理论和新方法,其中包括神经网络、机器学习、数据挖掘、进化计算、不变量理论、隐马尔可夫模型、统计学习理论和支持向量机等。作者还为来来25年的模式识别的发展指明了方向。书中包含许多实例,各种不同方法的对比,丰富的图表,以及大量的课后习题和计算机练习。 本书作为流行和经典的教材,主要面向电子工程、计算机科学、数学和统计学、媒体处理、模式识别、计算机视觉、人工智能和认知科学等领域的研究生和高年级本科生,也可—作为相关领域科技人员的重要参考书。【目录信息】
出版者的话专家指导委员会
译者序
前言
第1章 绪论
1. 1 机器感知
1. 2 一个例子
1. 3 模式识别系统
1. 3. 1 传感器
1. 3. 2 分割和组织
1. 3. 3 特征提取
1. 3. 4 分类器
1. 3. 5 后处理
1. 4 设计循环
1. 4.1 数据采集
1. 4. 2 特征选择
1. 4. 3 模型选择
1. 4. 4 训练
1. 4.5 评价
1. 4. 6 计算复杂度
<< 查看详细目录
【作译者介绍】
本书提供作译者介绍
Richard O.Duda 于麻省理工学院获得电气工程博士学位,是加州san Jose洲立大学电气工程系名誉教授。他是美国人工智能学会会士,IEEE会士。 Peter E. Hart 是加州Ricoh Innovations公司的创始人、总裁和CEO,同时还是理光公司的高级副总裁,在此之前曾任理光加州研究中心的高级副总裁。他是美国人工智能学会会士、IEEE会士,曾获IEEE信息论协会50周年论文奖。 Duda C.Stork 于马里兰大学获得博士学位,现任加州Ricoh Innovations公司的首席科学家,同时也是斯坦福大学电气工程...<< 查看详细
【译者序】
现代计算机具有强大的计算和信息处理的能力,但是它在目标识别、环境感知及在复杂条件下的决策能力远远不如生物系统。目前,已有很多学科分别从不同角度、以不同途径试图研究和揭示这当中的奥秘,并且希望用计算机实现一个具有感知、识别、理解、自学习和自适应能力的灵活和智能的计算机器。这些学科包括模式识别、人工智能、计算机视觉、机器学习、心理生物学和认知科学等。而“模式识别”,因其明确的问题定义、严格的数学基础、坚实的理论框架和广泛的应用价值,获得越来越多的重视,并且也成为上述其他几门学科的中心研究内容之一。在过去的几十年里,模式识别的研究得到迅速发展,... << 查看译者序【前言】
本书第1版《模式分类与场景分析》(Pattern Classification and Scene Analysis)于1973年问世,在逾越四分之一世纪以后的今天我们重写了第2版。写作的初衷依然不变,即尽可能地对模式识别中的各个重要课题,尤其是对基本原理进行系统地介绍。我们相信这会为相当多有待解决的专门问题,诸如语音识别、光学字符识别或信号分类等,提供必需的基础。本书第1版的许多读者经常问我们为什么要把“模式分类”与“场景分析”结合在一本书里写。在当时,我们所能做的回答是,分类理论的确是模式识别学科中最重要的与领域无关的(domain—independent)理论,而场景分析是那个年代仅有的并且重要的应用... << 查看前言[此贴子已经被cuiww1216于2007-4-23 12:40:48编辑过]