| | | 模式識別(英文版第4版)/經典原版書庫 | 該商品所屬分類:計算機/網絡 -> 計算機影印版 | 【市場價】 | 835-1209元 | 【優惠價】 | 522-756元 | 【介質】 | book | 【ISBN】 | 9787111268963 | 【折扣說明】 | 一次購物滿999元台幣免運費+贈品 一次購物滿2000元台幣95折+免運費+贈品 一次購物滿3000元台幣92折+免運費+贈品 一次購物滿4000元台幣88折+免運費+贈品
| 【本期贈品】 | ①優質無紡布環保袋,做工棒!②品牌簽字筆 ③品牌手帕紙巾
| |
版本 | 正版全新電子版PDF檔 | 您已选择: | 正版全新 | 溫馨提示:如果有多種選項,請先選擇再點擊加入購物車。*. 電子圖書價格是0.69折,例如了得網價格是100元,電子書pdf的價格則是69元。 *. 購買電子書不支持貨到付款,購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。 *. 如果收到的電子書不滿意,可以聯絡我們退款。謝謝。 | | | | 內容介紹 | |
-
出版社:機械工業
-
ISBN:9787111268963
-
作者:(希臘)西奧多裡德斯
-
頁數:961
-
出版日期:2009-08-01
-
印刷日期:2010-11-29
-
包裝:平裝
-
開本:32開
-
版次:1
-
印次:1
-
本書是享譽世界的名著,內容既全面又相對獨立,既有基礎知識的介紹,又有本領域研究現狀的介紹,還有對未來發展的展望,是本領域*全面的參考書,被世界眾多高校選用為教材。本書可作為高等院校計算機。電子、通信、自動化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。
-
本書是享譽世界的名著,內容既全面又相對獨立,既有基礎知識的介
紹,又有本領域研究現狀的介紹,還有對未來發展的展望,是本領域最全
面的參考書,被世界眾多高校選用為教材。本書可作為高等院校計算機。
電子、通信、自動化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。
本書主要特點
提供了大型數據集和高維數據的聚類算法以及網絡挖掘和生物信息學
應用的最新資料。
涵蓋了基於圖像分析、光學字符識別,信道均衡,語音識別和音頻分
類的多種應用。
呈現了解決分類和穩健回歸問題的內核方法取得的最新成果。
介紹了帶有Boosting方法的分類器組合技術。
提供更多處理過的實例和圖例,加深讀者對各種方法的了解。
增加了關於熱點話題的新的章節,包括非線性維數約減、非負矩陣分
解、實用性反饋。穩健回歸、半監督學習,譜聚類和聚類組合技術。
本書是享譽世界的名著,內容既全面又相對獨立,既有基礎知識的介紹,又有本領域研究現狀的介紹,還有對未來發展的展望,是本領域最全面的參考書,被世界眾多高校選用為教材。本書可作為高等院校計算機。電子、通信。自動化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。 本書主要特點 提供了大型數據集和高維數據的聚類算法以及網絡挖掘和生物信息學應用的最新資料。 涵蓋了基於圖像分析、光學字符識別,信道均衡,語音識別和音頻分類的多種應用。 呈現了解決分類和穩健回歸問題的內核方法取得的最新成果。 介紹了帶有Boosting方法的分類器組合技術。 提供更多處理過的實例和圖例,加深讀者對各種方法的了解。 增加了關於熱點話題的新的章節,包括非線性維數約減、非負矩陣分解、實用性反饋。穩健回歸、半監督學習,譜聚類和聚類組合技術。
-
Preface CHAPTER 1 Introduction 1.1 Is Pattern Recognition Important? 1.2 Features, Feature Vectors, and Classifiers 1.3 Supervised, Unsupervised, and Semi-Supervised Learning 1.4 MATLAB Programs 1.5 Outline of The Book CHAPTER 2 Classifiers Based on Bayes Decision Theory CHAPTER 3 Linear Classifiers CHAPTER 4 Nonlinear Classifiers CHAPTER 5 Feature Selection CHAPTER 6 Feature Generation I: Data Transformation and Dimensionality Reduction CHAPTER 7 Feature Generation II CHAPTER 8 Template Matching CHAPTER 9 Context-Dependent Classification CHAPTER 10 Supervised Learning: The Epilogue CHAPTER 11 Clustering: Basic Concepts CHAPTER 12 Clustering Algorithms I: Sequential Algorithms CHAPTER 13 Clustering Algorithms II: Hierarchical Algorithms CHAPTER 14 Clustering Algorithms III: Schemes Based on Function Optimization CHAPTER 15 Clustering Algorithms IV CHAPTER 16 Cluster Validity APPENDIX A Hints from Probability and Statistics APPENDIX B Linear Algebra Basics APPENDIX C Cost Function Optimization APPENDIX D Basic Definitions from Linear Systems Theory Index
Preface CHAPTER 1 Introduction 1.1 Is Pattern Recognition Important? 1.2 Features, Feature Vectors, and Classifiers 1.3 Supervised, Unsupervised, and Semi-Supervised Learning 1.4 MATLAB Programs 1.5 Outline of The Book CHAPTER 2 Classifiers Based on Bayes Decision Theory 2.1 Introduction 2.2 Bayes Decision Theory 2.3 Discriminant Functions and Decision Surfaces 2.4 Bayesian Classification for Normal Distributions 2.5 Estimation of Unknown Probability Density Functions 2.6 The Nearest Neighbor Rule 2.7 Bayesian Networks 2.8 Problems References CHAPTER 3 Linear Classifiers 3.1 Introduction 3.2 Linear Discriminant Functions and Decision 3.3 The Perceptron Algorithm 3.4 Least Squares Methods 3.5 Mean Square Estimation Revisited 3.6 Logistic Discrimination 3.7 Support Vector Machines 3.8 Problesm CHAPTER 4 Nonlinear Classifiers CHAPTER 5 Feature Selection CHAPTER 6 Feature Generation I: Data Transformation and Dimensionality Reduction CHAPTER 7 Feature Generation II CHAPTER 8 Template Matching CHAPTER 9 Context-Dependent Classification CHAPTER 10 Supervised Learning: The Epilogue CHAPTER 11 Clustering: Basic Concepts CHAPTER 12 Clustering Algorithms I: Sequential Algorithms CHAPTER 13 Clustering Algorithms II: Hierarchical Algorithms CHAPTER 14 Clustering Algorithms III: Schemes Based on Function Optimization CHAPTER 15 Clustering Algorithms IV CHAPTER 16 Cluster Validity APPENDIX A Hints from Probability and Statistics APPENDIX B Linear Algebra Basics APPENDIX C Cost Function Optimization APPENDIX D Basic Definitions from Linear Systems Theory Index
| | | | | |