内容简介：本书前几章着重讨论监督学习即已知训练样本及其类别条件下分类器的设计方法。在此之后介绍无监督模式识别，然后讲解模式识别系统中，特征提取和选择的准则和算法。第二部分介绍现代模式识别，其中包含支撑矢量机、组合分类器以及半监督学习。第三部分中讨论了深度学习模式识别。从现有的深度神经网络出发再到强化学习、宽度学习、图卷积网络等。并在*后，以实例的形式给出模式识别在各个领域中的应用，加深读者对模式识别方法更直观的认识。
内容简介：本书共分为8章。**章为绪论，主要介绍了模式识别的概念，系统组成及常用方法。第二章-第五章主要介绍了统计模式识别的方法，有特征聚类，贝叶斯分类，fish线性判别以及近邻法。第六章讲述了几种人工神经网络方法，第七章详细介绍了一个三维识别的案例。
内容简介：本书是模式识别领域的入门教材，系统阐述了模式识别中的基础知识、主要模型及热门应用，并给出了近年来本领域一些新的成果和观点；通过理论学习和动手实践相结合的形式使初学者能有效入门，并培养独立解决任务的能力，为模式识别的项目开发及相关科研活动打好基础.全书共15章，大致分为五部分：*部分（第1~4章）介绍了本书的概论和基础知识，包括绪论、数学背景知识、模式识别系统概述以及评估；第二部分（第5~6章）介绍了与领域知识无关的特征提取，包括主成分分析和Fisher线性判别；第三部分（第7~10章）介绍了分类器与其他工具，包括支持向量机、概率方法、距离度量与数据变换、信息论和决策树；第四部分（第11~12章）介绍了如何处理变化多端的数据，包括稀疏数据和未对齐数据、隐马尔可夫模型；第五部分（第13~15章）介绍了一些高阶课题，包括正态分布、EM算法和卷积神经网络.本书可作为高等院校人工智能、计算机、自动化、电子和通信等相关专业研究生或本科生的教材，也可供人工智能、计算机、自动化、电子和通信等领域研究人员和工程技术人员参考.
内容简介：《高等学校智能科学与技术专业“十二五”规划教材：模式识别导论》是关于模式识别理论和方法的一本教材，系统地介绍了模式识别的基本理论和基本方法。全书内容以当前广泛应用的统计模式识别技术为主，兼顾模糊模式识别和现代模式识别中的核方法，重点放在统计模式识别的核心问题上，既突出了广泛性，又注重对主要知识内容的深入讨论；另外，书中还对当前广泛应用的统计模式识别方法及其理论基础进行了详细的介绍。《高等学校智能科学与技术专业“十二五”规划教材：模式识别导论》主要供智能科学与技术、自动化、测控技术与仪器、计算机科学与技术等本科专业的高年级学生使用， 也可供从事相关专业的教学、科研和工程技术人员参考。
内容简介：本书系统地介绍了图像模式识别的基本概念和常用方法, 内容包括图像模式识别基础、图像预处理、图像的不变性特征提取、聚类分析、图像分割、特征提取与选择、分类器和图像数据维数约简等, 给出了大部分方法的实现步骤和MATLAB仿真结果, 各章还给出了典型方法的实际应用, 并覆盖了部分当前研究前沿。全书内容安排力求系统性、可操作性和实用性。本书可以作为高等院校自动化、计算机科学与技术、信息与通信系统、电子和通信、智能机器人学、工业自动化、模式识别等相关专业高年级本科生和一年级研究生的教材, 也可作为计算机视角、计算机信息处理、图像处理、生物信息学、数据挖掘等领域从事模式识别相关工作的广大工程科技人员的参考用书。
内容简介：《模式识别（第三版）》是清华大学自动化系国家精品课程“模式识别基础”的教材，是在《模式识别》*版和第二版基础上重写而成的。本教材系统地讨论了模式识别的基本概念和代表性方法，包括监督模式识别中的贝叶斯决策理论、概率密度函数的估计、线性判别函数、非线性判别函数、近邻法、特征选择与提取的典型方法以及非监督模式识别中的基于模型的方法、混合密度估计、动态聚类方法、分级聚类方法等，并在相应章节包括了人工神经网络、支持向量机、决策树与随机森林、罗杰斯特回归、Boosting方法、模糊模式识别等较新进入模式识别领域的内容。整体内容安排力求系统性和实用性，并覆盖部分当前研究前沿。
内容简介：本书全面阐述了模式识别的基础理论、*方法以及各种应用。讨论了贝叶斯分类、贝叶斯网络、线性和非线性分类器设计、特征生成、特征选取技术、学习理论的基本概念以及聚类概念与算法。与前一版相比，增加了大数据集和高维数据相关的*算法，提供了*的分类器和鲁棒回归的核方法。新增一些热点问题，如非线性降维、非负矩阵因数分解、关联性反馈、鲁棒回归、半监督学习、谱聚类和聚类组合技术。每章均提供有习题与练习，用MATLAB求解问题，给出一些例题的多种求解方法；且支持网站上提供有习题解答，以便于读者增加实际经验。
内容简介：韦布、科普西编著的《统计模式识别(第3版)》系统地介绍统计模式识别的理论和技术，并讨论机器学习领域的诸多问题和相关算法，反映模式识别理论和技术的*新研究进展。其中，大部分识别和分类问题取材于工程学、统计学、计算机科学和社会学等领域的相关应用，并配有应用研究实例。与前版相比，充实或新增了关于估计概率密度的贝叶斯方法、估计概率密度的新的非参数方法、新的分类模型、谱聚类问题、分类规则的归纳法、复杂网络等方面的介绍。本书注重基本概念、基本方法的讲述，启发性强，且应用实例丰富，适合作为大学高年级和研究生模式识别课程的教材，也适合作为从事模式识别研究和应用工作的相关技术人员的重要参考用书。韦布、科普西编著的《统计模式识别(第3版)》系统地介绍统计模式识别的理论和技术，并讨论机器学习领域的诸多问题和相关算法，反映模式识别理论和技术的*新研究进展。其中，大部分识别和分类问题取材于工程学、统计学、计算机科学和社会学等领域的相关应用，并配有应用研究实例。与前版相比，充实或新增了关于估计概率密度的贝叶斯方法、估计概率密度的新的非参数方法、新的分类模型、谱聚类问题、分类规则的归纳法、复杂网络等方面的介绍。本书注重基本概念、基本方法的讲述，启发性强，且应用实例丰富，适合作为大学高年级和研究生模式识别课程的教材，也适合作为从事模式识别研究和应用工作的相关技术人员的重要参考用书。
内容简介：模式识别与分类的使用是当今许多自动化电子系统的基础。然而，尽管该领域已出版了许多名著，但该主题仍然非常具有挑战性，特别是对于初学者而言。《模式识别和分类》全面介绍了自动模式识别领域中所涉及到的核心概念。本书的构思适用于具有不同背景的新手，对图像、信号处理分析以及计算机视觉方面的研究人员和专业人员也非常有用。对于监督分类与非监督分类的基本概念本书以非公理化、非形式化的方式呈现出来，以便于读者能够快速地获得将基本概念应用于解决实际问题的必要背景知识。更高级的主题，如半监督分类、聚类算法与相关反馈的结合，将在本书的后半部章节中进行讨论。本书适合大学本科生和研究生的“模式识别与机器学习”教学参考书或自学指导。
内容简介：几十年来，实际需求激发了对模式识别的大量理论和应用研究。在这个过程中，限制因素和恒久问题一直是数据——它的多样性、丰富性和可变质量是模式识别创新的主要挑战。本书关注高级数据分析和数据挖掘，创新之处是对数据质量的重新定位——将数据质量看作一个可以处理的因素，而非当作需要克服的困难。
