本書為電力行業(yè)“十四五”規(guī)劃教材。
本書從一個(gè)最簡(jiǎn)單的水果識(shí)別的例子開始，引出最近鄰法和最小距離分類法，用最簡(jiǎn)單的方法進(jìn)行分類原理說明，之后展開模式識(shí)別算法的講解，主要包括貝葉斯決策方法、近鄰法、線性判決方法、非線性判決方法、聚類分析、特征選擇與提取、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、深度學(xué)習(xí)。
全書示例以簡(jiǎn)單易行為原則,水果識(shí)別用于入門,引出近鄰法和最小距離法;特殊的水果樣本引出梯度下降法;異或問題引出非線性分類方法;四維特征的IRIS數(shù)據(jù)用于特征選擇與特征抽取示例;0~9字符圖像數(shù)據(jù)引出特征生成;MNIST數(shù)據(jù)用于深度學(xué)習(xí)算法的實(shí)現(xiàn)示例。
前言
第1章 模式識(shí)別概述
1.1 模式識(shí)別的定義
1.2 模式識(shí)別的應(yīng)用
1.3 模式識(shí)別方法示例
1.4 模式識(shí)別基本概念
習(xí)題
第2章 貝葉斯決策
2.1 錯(cuò)誤率
2.2 基于最小錯(cuò)誤率的貝葉斯決策
2.3 基于最小風(fēng)險(xiǎn)的貝葉斯決策
2.4 其他貝葉斯決策方法
習(xí)題
第3章 近鄰法
3.1 最近鄰法
3.2 最近鄰法的錯(cuò)誤率分析
3.3 k近鄰法
3.4 快速近鄰算法
習(xí)題
第4章 線性判別法
4.1 判別函數(shù)法
4.2 訓(xùn)練樣本錯(cuò)分問題
4.3 迭代法
4.4 多類問題的感知器準(zhǔn)則函數(shù)方法
4.5 最小均方誤差準(zhǔn)則函數(shù)
4.6 感知器與神經(jīng)元
習(xí)題
第5章 神經(jīng)網(wǎng)絡(luò)
5.1 線性不可分問題
5.2 線性判別函數(shù)組合方法
5.3 BP神經(jīng)網(wǎng)絡(luò)
5.4 神經(jīng)網(wǎng)絡(luò)算法的應(yīng)用
習(xí)題
第6章 支持向量機(jī)
6.1 機(jī)器學(xué)習(xí)
6.2 統(tǒng)計(jì)學(xué)習(xí)理論
6.3 支持向量機(jī)
6.4 支持向量機(jī)算法實(shí)現(xiàn)
第7章 聚類分析
7.1 相似性測(cè)度
7.2 聚類準(zhǔn)則
7.3 聚類算法
習(xí)題
第8章 特征選擇與提取
8.1 對(duì)特征的認(rèn)識(shí)
8.2 特征生成
8.3 特征選擇
8.4 特征提取
習(xí)題
第9章 深度學(xué)習(xí)
9.1 特征生成問題
9.2 自編碼器
9.3 卷積神經(jīng)網(wǎng)絡(luò)
9.4 計(jì)算機(jī)視覺
9.5 電力視覺技術(shù)
習(xí)題
參考文獻(xiàn)
書單推薦
