本书是在我们十余年来对大学本科生和研究生讲授《模式识别》课程的基础上，结合近年一些国外教材和我们的模式识别研究成果编写而成，可作为大学本科和研究生学习模式识别课程的参考书。
虽然近年有许多新的模式识别研究方法提出，但模式识别的基础仍是由决策论方法（统计方法）和结构方法（句法方法）两大部分构成。因此，本书主要介绍统计识别方法和句法方法的基本理论和方法。本书共有14章，第1章引论，介绍模式识别的研究内容和研究方法；第2章至第6章介绍统计模式识别方法；第7章至第11章介绍句法模式识别方法；第12章介绍把句法模式识别推广到句法知识系统，从而是实现基于知识的模式识别；第13章介绍模糊集论在模式识别中的应用，指出模式识别的模糊本质；第14章介绍人工神经网络在模式识别中的应用，提出用模式识别的观点研究究神经网络，使前馈神经网络透明化。
具体描述
读后感
线性不可分时，SVM与核函数都没一起讲。真不知道咋写的，线性不可分时加个惩罚项就能就出找到最优超平面了么。。。。明明需要降维打击的，还是继续看vapnik的原书好了。 以下为《The Natureof Statistical Learning Theory》的前言： Between 1960 and 1980 are volutionin sta...
评分线性不可分时，SVM与核函数都没一起讲。真不知道咋写的，线性不可分时加个惩罚项就能就出找到最优超平面了么。。。。明明需要降维打击的，还是继续看vapnik的原书好了。 以下为《The Natureof Statistical Learning Theory》的前言： Between 1960 and 1980 are volutionin sta...
评分线性不可分时，SVM与核函数都没一起讲。真不知道咋写的，线性不可分时加个惩罚项就能就出找到最优超平面了么。。。。明明需要降维打击的，还是继续看vapnik的原书好了。 以下为《The Natureof Statistical Learning Theory》的前言： Between 1960 and 1980 are volutionin sta...
评分线性不可分时，SVM与核函数都没一起讲。真不知道咋写的，线性不可分时加个惩罚项就能就出找到最优超平面了么。。。。明明需要降维打击的，还是继续看vapnik的原书好了。 以下为《The Natureof Statistical Learning Theory》的前言： Between 1960 and 1980 are volutionin sta...
评分磕磕绊绊花了2个月的时间看完了第一遍，其中第7章特征选择和第8章特征提取都只是翻了翻没有细看。 这本书里个人感觉讲的最清楚的还是第2章统计决策方法和第6章其他分类方法。第5章非线性分类器中很多推导过程由于作者省略了很多，导致实在是看不懂。另外还有一些算法的实现比如...
用户评价
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 book.quotespace.org All Rights Reserved. 小美书屋 版权所有