模式識別及航空航天應用

第1章 緒論
1.1 模式與模式識別
1.2 模式識別的方法和發(fā)展歷史
1.2.1 模式識別的主要方法
1.2.2 模式識別的發(fā)展史
1.3 模式識別系統(tǒng)基本框架和構成
1.4 有監(jiān)督和無監(jiān)督模式識別
1.4.1 有監(jiān)督模式識別
1.4.2 無監(jiān)督模式識別
1.5 模式識別系統(tǒng)舉例
1.6 模式識別系統(tǒng)的性能評價
1.6.1 有監(jiān)督模式識別系統(tǒng)性能評價
1.6.2 無監(jiān)督模式識別系統(tǒng)性能評價
小結
習題
參考文獻
第2章 線性分類器
2.1 線性分類器基礎
2.1.1 線性判別函數(shù)
2.1.2 線性分類器設計的一般步驟
2.1.3 廣義線性判別函數(shù)
2.1.4 多類問題
2.2 垂直平分分類器
2.3 Fisher投影準則
2.4 感知準則
2.4.1 線性可分
2.4.2 感知器模型
2.4.3 解向量與解區(qū)
2.4.4 感知準則函數(shù)
2.4.5 梯度下降法
2.5 小錯分樣本準則
2.6 小平方誤差準則
小結
習題
參考文獻
第3章 貝葉斯分類器
3.1 貝葉斯決策概述
3.1.1 統(tǒng)計分類
3.1.2 先決條件
3.1.3 貝葉斯決策
3.1.4 錯誤率概念
3.2 小錯誤率貝葉斯決策
3.3 小風險貝葉斯決策
3.4 小 貝葉斯決策
3.5 正態(tài)分布時的統(tǒng)計決策
3.5.1 正態(tài)分布
3.5.2 多元正態(tài)分布下的 小錯誤率貝葉斯決策
3.6 分類器的錯誤率
3.6.1 錯誤率的理論計算
3.6.2 錯誤率上界
3.7 樸素貝葉斯分類器和貝葉斯網絡
3.7.1 樸素貝葉斯分類器
3.7.2 半樸素貝葉斯分類器
3.7.3 貝葉斯網絡
小結
習題
參考文獻
第4章 非線性分類器
4.1 近鄰法
……
第5章 特征選擇與特征提取
第6章 無監(jiān)督分類器
第7章 經典神經網絡分類器
第8章 卷積神經網絡
第9章 模式識別實驗
0章 模式識別的航空航天應用