机读格式显示(MARC)

• 000 01968nam 2200325 450

• 001 0000582390

• 005 20220815190600.0

• 010 __ |a 978-7-302-59185-6 |d CNY59.00

• 100 __ |a 20220520d2022 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 模式识别 |A mo shi shi bie |e 使用MATLAB分析与实现 |f 蔡利梅编著

• 210 __ |a 北京 |c 清华大学出版社 |d 2022.4

• 215 __ |a XI, 294页 |c 图 |d 26cm

• 225 2_ |a 高等学校电子信息类专业系列教材 |A gao deng xue xiao dian zi xin xi lei zhuan ye xi lie jiao cai

• 300 __ |a 教育部高等学校电子信息类专业指导委员会规划教材

• 312 __ |a 英文并列题名取自封面

• 320 __ |a 有书目 (第293-294页)

• 330 __ |a 本书是一部系统论述模式识别的理论和技术的教材。全书共分为十一章：第1章绪论，介绍模式识别的基本概念、方法、系统及应用；第2章介绍典型的贝叶斯决策方法及实现；第3章介绍各种类条件概率密度估计的方法及实现；第4章介绍线性判别函数设计的思路、典型的设计方法及实现；第5章介绍常见的非线性判别分析方法及实现；第6章介绍组合分类器设计思路、常见的设计方法及实现；第7章介绍有代表性的聚类算法及实现；第8章介绍特征的评价准则、优化算法，分析讨论过滤式、包裹式和嵌入式特征选择方法及实现；第9章介绍K-L变换、独立成分分析、非负矩阵分解等线性特征提取技术，以及稀疏滤波、多维尺度法、t-SNE等非线性特征降维技术；第10章介绍半监督学习的思路以及在分类、聚类和降维中的应用；第11章介绍神经元模型、多层感知器神经网络、典型的人工神经网络及在模式识别中的应用，并简要介绍深度神经网络。

• 333 __ |a 本书可以作为广大高校人工智能、计算机、电子信息、自动化等专业模式识别课程教材或参考书，也可以作为从事相关研究与应用人员的参考用书。

• 410 _0 |1 2001 |a 高等学校电子信息类专业系列教材

• 510 1_ |a Pattern recognition using MATLAB |z eng

• 517 1_ |a 使用MATLAB分析与实现 |A shi yongMATLABfen xi yu shi xian

• 606 0_ |a 模式识别 |A mo shi shi bie |x Matlab软件 |x 高等学校 |j 教材

• 690 __ |a O235 |v 5

• 701 _0 |a 蔡利梅 |A cai li mei |4 编著

• 801 _0 |a CN |b 江苏新华 |c 20220505

• 905 __ |a WXCSXY |d O235/27