模式识别原理与应用李弼程.pdf
http://www.100md.com
2020年11月13日
 |
| 第1页 |
 |
| 第8页 |
 |
| 第14页 |
 |
| 第21页 |
 |
| 第33页 |
 |
| 第191页 |
参见附件(12784KB，283页)。
模式识别原理与应用分为两大部分：基础部分主要包括统计模式识别、结构模式识别、模糊模式识别、神经网络模式识别和多分类器融合等内容；应用部分主要包括文本分类、语音识别、图像识别和视频识别等内容
内容提要
本书系统阐述了模式识别原理与方法，并在此基础上介绍了模式识别的应用。
本书分为两大部分：基础部分主要包括统计模式识别、结构模式识别、模糊模式识别、神经网络模式识别和多分类器融合等内容；应用部分主要包括文本分类、语音识别、图像识别和视频识别等内容。
本书将理论与实际相结合，有利于读者加深对理论方法的理解，可使读者较系统地掌握模式识别的理论精髓和相关技术。书中给出的应用实例，为科研人员应用模式识别方法解决相关领域的实际问题提供了具体思路和方法。同时，本书紧跟学科发展前沿，介绍了一些的研究成果，如独立分量分析、核方法和多分类器融合等。
本书可以作为电子科学、计算机科学、自动化科学、信息工程专业以及相关专业的高年级本科生和研究生的模式识别课程教材，同时也可供相关领域的研究人员参考。
绪 论
模式识别是20世纪60年代初迅速发展起来的一门学科，经过几十年的研究，取得了丰硕的成果，已经形成了一个比较完善的理论体系，主要包括统计模式识别、结构模式识别、模糊模式识别、神经网络模式识别和多分类器融合等研究内容。本书以模式识别的基本原理作为主线，阐述了模式识别的概念、方法和应用。
模糊模式识别
模式识别的实质就是判定观察对象(元素)和模式类(集合)之间的从属关系。传统的集合论中，元素和集合的关系是非常绝对的，要么属于，要么不属于，两者必居其一，而且二者仅居其一，绝不模棱两可。基于传统的集合论的判决方式称为硬判决，其中，待识别的对象只能是属于多类中的某一类。
模糊集合论采用隶属度来描述元素属于一个集合的程度，用来解决信息的不确定性问题。模糊模式识别是以模糊集合论为基础，对应的判决方式是一种软判决，识别结果是观察对象属于每一类的隶属度。
根据需要，利用某种原则可以把模糊模式识别的软判决结果转化为硬判决。此时，隶属度成了用于判决的一个二次特征。
多分类器融合
对于模式识别问题，其最终的目标是得到尽可能好的识别性能。为了实现这一目标，传统的做法是设计不同的分类方案，再根据实验结果，选择一个最好的分类器作为最终的解决方法。过去十多年中，对分类器研究的焦点从单个分类器的研究转移到多分类器系统的研究。
多分类器融合，也称多分类器集成，就是融合多个分类器提供的信息，得到更加准确的分类(识别)结果。
多分类器融合是信息融合技术在模式识别中的应用，利用多个分类器之间的互补性，能够有效地提高分类的准确度。
模式识别原理与应用李弼程截图
您现在查看是摘要介绍页， 详见PDF附件(12784KB，283页)。