導讀： 簡介: 內容簡介：本書全面闡述了模式識別的基礎理論、最新方法以及各種應用。模式識別是信息科學和人工智能的重要組成部分，主要應用領域有圖像分析、光學字符識別、信道均衡、 簡介:


內容簡介：
本書全面闡述了模式識別的基礎理論、最新方法以及各種應用。模式識別是信息科學和人工智能的重要組成部分，主要應用領域有圖像分析、光學字符識別、信道均衡、語言識別和音頻分類等。本書在完美地結合當前的理論與實踐的基礎上，討論了貝葉斯分類、貝葉斯網絡、線性和非線性分類器設計、上下文相關分類、特征生成、特征選取技術、學習理論的基本概念以及聚類概念與算法。與前一版相比，增加了大數據集和高維數據相關的最新算法，這些算法適用於web挖掘和生物信息等應用；提供了最新的分類器和魯棒回歸的核方法；分類器組合技術，包括boosting方法。新增一些熱點問題，如非線性降維、非負矩陣因數分解、關聯性反饋、魯棒回歸、半監督學習、譜聚類和聚類組合技術。每章均提供有習題與練習，用matlab求解問題，給出一些例題的多種求解方法：且支持網站上提供有習題解答，以便於讀者增加實際經驗。
本書可作為高等院校自動化、計算機、電子和通信等專業研究生和高年級本科生的教材，也可作為計算機信息處理、自動控制等相關領域的工程技術人員的參考用書。
內容截圖：