计算机
类型
可以朗读
语音朗读
245千字
字数
2021-05-01
发行日期
展开全部
主编推荐语
本书围绕模式识别的基本概念、基础理论和典型方法，从实际应用问题出发，系统描述了模式识别的常用方法和常见技巧，并给出了一系列实验及应用案例。
内容简介
本书首先介绍了机器视觉的概念及特征提取的概念和方法；其次介绍了线性分类模型、非线性分类模型、时间序列预测模型和混合模型等理论知识与实践操作；最后重点介绍了图像识别、视频目标检测与跟踪、语音识别、生物特征识别和医学图像检索等典型应用。
目录
- 版权信息
- 内容简介
- 编写组
- 前言
- 第1章 绪论
- 1.1 机器感知与视觉信息
- 1.1.1 机器感知
- 1.1.2 视觉信息感知
- 1.1.3 视觉机理
- 1.2 特征选择与提取
- 1.2.1 特征
- 1.2.2 特征选择
- 1.2.3 特征提取
- 1.3 模式识别系统
- 1.3.1 模式与模式识别
- 1.3.2 模式识别系统
- 1.4 机器感知与模式识别
- 1.5 机器感知与人工智能的关系
- 1.6 章节安排
- 习题
- 参考文献
- 第2章 机器视觉
- 2.1 视觉系统
- 2.1.1 机器视觉的发展
- 2.1.2 机器视觉系统的构成与评价指标
- 2.1.3 机器视觉的应用
- 2.2 硬件系统
- 2.2.1 工业相机
- 2.2.2 镜头
- 2.2.3 光源
- 2.2.4 其他组成部分
- 2.3 视觉软件
- 2.4 实验：车牌识别
- 2.4.1 实验目的
- 2.4.2 实验要求
- 2.4.3 实验原理
- 2.4.4 实验环境
- 2.4.5 实验步骤
- 习题
- 参考文献
- 第3章 特征提取
- 3.1 特征提取简述
- 3.2 特征选择
- 3.2.1 特征方差
- 3.2.2 特征相关系数
- 3.2.3 类间距离
- 3.2.4 降维
- 3.3 降维
- 3.3.1 基于PCA的特征提取
- 3.3.2 PCA的步骤
- 3.4 类脑智能
- 3.4.1 模式识别与人工智能
- 3.4.2 类脑智能的概念
- 3.4.3 类脑智能的技术框架
- 3.5 模式识别系统设计
- 3.6 计算学习理论
- 3.6.1 基本的PAC模型
- 3.6.2 基本概念
- 3.6.3 问题框架
- 3.6.4 小结
- 3.7 实验：基于PCA的特征脸提取
- 3.7.1 实验目的
- 3.7.2 实验要求
- 3.7.3 实验原理
- 3.7.4 实验步骤
- 3.7.5 实验结果
- 习题
- 参考文献
- 第4章 线性分类模型
- 4.1 线性判别函数
- 4.1.1 两类问题
- 4.1.2 多类问题
- 4.2 Fisher线性判别函数
- 4.3 感知器算法
- 4.4 最小平方误差算法
- 4.5 Logistic回归
- 4.6 基于Python实现感知器算法
- 4.6.1 基于sklearn库实现感知器算法
- 4.6.2 实验结果分析
- 4.7 实验：感知器算法实现
- 4.7.1 实验目的
- 4.7.2 实验要求
- 4.7.3 实验原理及具体步骤
- 4.7.4 实验结果
- 习题
- 参考文献
- 第5章 非线性分类模型
- 5.1 分段线性判别函数
- 5.1.1 最小距离分类器
- 5.1.2 一般的分段线性判别函数
- 5.2 决策树和随机森林
- 5.2.1 树状分类过程
- 5.2.2 构造决策树
- 5.2.3 森林分类过程
- 5.3 支持向量机
- 5.3.1 线性可分情况
- 5.3.2 线性不可分情况
- 5.4 贝叶斯分类网络
- 5.4.1 贝叶斯决策的相关概念
- 5.4.2 最小错误率贝叶斯决策
- 5.4.3 最小风险贝叶斯决策
- 5.4.4 正态分布贝叶斯分类
- 5.5 神经网络
- 5.5.1 神经网络基本单元
- 5.5.2 前馈神经网络
- 5.5.3 Hopfield反馈神经网络
- 5.6 基于Python实现决策树和随机森林算法
- 5.6.1 决策树和随机森林算法的基本特征
- 5.6.2 实验结果分析
- 5.7 实验：决策树和随机森林算法实现
- 5.7.1 实验目的
- 5.7.2 实验要求
- 5.7.3 实验原理及步骤
- 5.7.4 实验结果
- 习题
- 参考文献
- 第6章 时间序列预测模型
- 6.1 时间序列预测概述
- 6.1.1 时间序列
- 6.1.2 编制时间序列的原则
- 6.1.3 时间序列预测方法
- 6.1.4 时间序列预测流程
- 6.1.5 时间序列预测模型评估
- 6.2 指数平滑法
- 6.2.1 一次指数平滑
- 6.2.2 二次指数平滑
- 6.2.3 三次指数平滑
- 6.2.4 平滑系数的选择
- 6.3 自回归滑动平均模型
- 6.3.1 自回归模型
- 6.3.2 滑动平均模型
- 6.3.3 自回归滑动平均模型表示
- 6.3.4 自回归滑动平均模型建模
- 6.4 自回归积分滑动平均模型
- 6.4.1 自回归积分滑动平均模型表示
- 6.4.2 自回归积分滑动平均模型建模
- 6.4.3 案例分析
- 6.5 长短期记忆网络模型
- 6.5.1 循环神经网络
- 6.5.2 长短期记忆网络
- 6.6 实验：基于LSTM的股票最高价预测
- 6.6.1 实验目的
- 6.6.2 实验要求
- 6.6.3 实验原理
- 6.6.4 实验步骤
- 6.6.5 实验结果
- 习题
- 参考文献
- 第7章 混合模型
- 7.1 高斯模型与高斯混合模型
- 7.1.1 高斯模型
- 7.1.2 高斯混合模型
- 7.2 贝叶斯混合模型
- 7.3 集成学习
- 7.3.1 Boosting
- 7.3.2 AdaBoost
- 7.4 实验：基于AdaBoost算法的乳腺癌分类
- 7.4.1 实验目的
- 7.4.2 实验要求
- 7.4.3 实验原理
- 7.4.4 实验内容
- 7.4.5 实验结果
- 习题
- 参考文献
- 第8章 图像识别
- 8.1 数字图像处理系统
- 8.1.1 图像感知与获取
- 8.1.2 图像处理硬件
- 8.1.3 图像处理软件
- 8.1.4 图像的显示和存储
- 8.2 图像特征描述
- 8.2.1 几何特征
- 8.2.2 形状特征
- 8.2.3 颜色特征
- 8.2.4 纹理特征
- 8.3 图像特征提取
- 8.3.1 基于Hu不变矩的形状特征提取
- 8.3.2 基于联合概率矩阵法的纹理特征提取
- 8.3.3 分块颜色直方图特征提取
- 8.3.4 基于小波变换的图像特征提取
- 8.4 目标识别
- 8.4.1 结构判别方法
- 8.4.2 决策理论方法
- 8.5 基于区域生长法的图像识别
- 8.5.1 区域生长法的基本原理
- 8.5.2 基于区域生长法的裂缝识别系统
- 8.5.3 实验结果分析
- 8.6 实验：水泥面裂缝检测
- 8.6.1 实验目的
- 8.6.2 实验要求
- 8.6.3 实验原理
- 8.6.4 实验步骤
- 8.6.5 实验结果
- 习题
- 参考文献
- 第9章 视频目标检测与跟踪
- 9.1 视频目标检测
- 9.1.1 帧间差分法
- 9.1.2 光流法
- 9.1.3 背景减除法
- 9.1.4 目标检测在复杂场景中应用的困难
- 9.2 运动目标跟踪
- 9.2.1 MeanShift跟踪算法
- 9.2.2 卡尔曼滤波跟踪算法
- 9.2.3 多目标跟踪算法
- 9.3 运动目标检测的性能评价
- 9.3.1 主观评价
- 9.3.2 客观评价
- 9.4 图像视频数据集
- 9.4.1 MOT16数据集
- 9.4.2 PETS2016数据集
- 9.4.3 ChangeDetection.net数据集
- 9.4.4 OTCBVS红外图像数据集
- 9.4.5 KITTI自动驾驶数据集
- 9.4.6 Cityscapes Dataset数据集
- 9.5 实验：多目标跟踪实验
- 9.5.1 实验目的
- 9.5.2 实验要求
- 9.5.3 实验原理
- 9.5.4 实验步骤及实验结果
- 习题
- 参考文献
- 第10章 语音识别
- 10.1 语音识别概述
- 10.1.1 语音识别的研究背景
- 10.1.2 语音识别的现状与问题
- 10.1.3 语音识别系统的基本结构
- 10.2 声学模型
- 10.2.1 混合高斯模型
- 10.2.2 隐马尔可夫模型
- 10.3 语言模型
- 10.3.1 语言模型的基础理论
- 10.3.2 基于知识的语言模型
- 10.3.3 基于统计方法的语言模型
- 10.3.4 基于知识的语言模型和基于统计方法的语言模型比较
- 10.4 解码器
- 10.5 深度学习模型
- 10.5.1 深度神经网络
- 10.5.2 DNN前向传播算法
- 10.5.3 DNN反向传播算法
- 10.5.4 DNN中的激活函数
- 10.6 基于MFCC的语音识别
- 10.6.1 MFCC特征提取
- 10.6.2 MFCC的基本原理
- 10.7 基于DNN-MFCC混合系统的语音识别
- 10.7.1 DNN和MFCC结合的原理
- 10.7.2 DNN-MFCC混合系统
- 10.8 实验：基于MFCC特征和THCHS-30数据集的语音识别
- 10.8.1 实验目的
- 10.8.2 实验要求
- 10.8.3 实验原理
- 10.8.4 实验步骤
- 10.8.5 实验结果
- 习题
- 参考文献
- 第11章 生物特征识别
- 11.1 生物特征识别概述
- 11.1.1 生物特征
- 11.1.2 生物特征识别系统
- 11.1.3 应用概况和发展趋势
- 11.2 指纹识别
- 11.2.1 指纹特征
- 11.2.2 指纹采集设备
- 11.2.3 指纹图像预处理
- 11.2.4 指纹特征提取
- 11.2.5 指纹特征匹配
- 11.3 人脸识别
- 11.3.1 人脸识别概述
- 11.3.2 人脸检测
- 11.3.3 人脸特征提取
- 11.3.4 人脸特征匹配
- 11.4 虹膜识别
- 11.4.1 虹膜识别概述
- 11.4.2 虹膜定位
- 11.4.3 虹膜图像归一化
- 11.4.4 虹膜特征提取
- 11.4.5 虹膜特征匹配
- 11.5 步态识别
- 11.5.1 步态识别概述
- 11.5.2 步态特征提取
- 11.5.3 步态特征匹配
- 11.6 实验：人脸识别
- 11.6.1 实验目的
- 11.6.2 实验要求
- 11.6.3 实验原理
- 11.6.4 实验步骤
- 习题
- 参考文献
- 第12章 医学图像检索
- 12.1 医学图像检索概述
- 12.1.1 医学图像的特点
- 12.1.2 基于内容的医学图像检索
- 12.1.3 医学图像检索框架
- 12.1.4 医学图像检索中的关键技术
- 12.2 多媒体内容描述标准MPEG-7
- 12.2.1 MPEG-7的基本概念
- 12.2.2 MPEG-7的主要元素
- 12.2.3 MPEG-7的组成
- 12.2.4 MPEG-7视觉描述工具
- 12.3 基于MPEG-7纹理描述子的X射线胸片图像检索
- 12.3.1 X射线胸片图像
- 12.3.2 基于同构型纹理描述子的X射线胸片图像检索
- 12.4 图像检索系统性能评价
- 12.5 实验：基于颜色直方图的医学图像检索
- 12.5.1 实验目的
- 12.5.2 实验要求
- 12.5.3 实验原理
- 12.5.4 实验步骤
- 12.5.5 实验结果
- 习题
- 参考文献
- 附录A 人工智能实验环境
- 附录B 人工智能云平台
展开全部
评分及书评
评分不足
2个评分
- 给这本书评了5.0
本书围绕模式识别的基本概念、基础理论和典型方法，从实际应用问题出发，系统描述了模式识别的常用方法和常见技巧，并给出了一系列实验及应用案例。本书首先介绍了机器视觉的概念及特征提取的概念和方法；其次介绍了线性分类模型、非线性分类模型、时间序列预测模型和混合模型等理论知识与实践操作；最后重点介绍了图像识别、视频目标检测与跟踪、语音识别、生物特征识别和医学图像检索等典型应用。
出版方
电子工业出版社
电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。
