Раепознающие системы

目录
1.1模式的概念
第一部 分
第一章 模式识别理论的基本概念和定义
1.2图形、状态、情势、模式
1.3模式识别的学习问题
1.4识别和结构描述
1.5图形变换为代码
1.6图形的特征和描述
1.7用向量的形式表示图形
1.8图形的紧致集和紧致性假设
1.9图形变换和描述变换
1.10初始描述变换和描述不充分性测度
1.11图形的相似性
1.12图形的不变性描述
1.13描述的信息性
1.14特征有效性准则
1.15识别的可靠性和品质
2.1与范型匹配的方法
第二章 简单的专用识别方法
2.2探针法
2.3图形标记方法
2.4识别的准拓扑方法
2.5α识别系统
3.1感知器的工作原理
第三章 感知器
3.2基本概念和定义
3.3基本α感知器
3.4基本感知器的G矩阵
3.5具有不同S-A连接分布的感知器
3.6某些基本感知器的变形
3.7解的存在理论
3.8关于训练过程收敛的定理
3.9诺维科夫定理
3.10具有序贯连接的三层感知器的可能性
3.11多层感知器
3.12A元素层间连接权为常数的四层感知器
3.13在末级前一层有自适应连接的四层感知器
3.14交叉连接感知器
3.15感知器的“语言”和“风格”
4.1位函数方法的几何解释
第四章 位函数方法
4.2位函数方法的一般递归程序
4.3位函数方法算法的变形
4.4位函数方法递归程序的收敛性及停止条件
4.5位函数方法的实现方法
4.6位函数方法的概率实现
4.7位函数方法的一般化
第五章 自变量成组分析方法
5.1广义分类函数
5.2〓的基本思路
5.3构造〓算法的一般系统
5.4基本的〓算法
5.5〓算法和贝叶斯决策规则
5.6训练和检验序列的组成
5.7〓的概率算法
5.8〓算法和感知器
6.1一般原理
第六章 多段线性决策规则
6.2学习品质泛函
6.3规范决策规则
6.4〓合成算法
6.5〓合成试验
第七章 统计识别方法
7.1模式识别问题的统计提法
7.2恢复概率分布的参数方法
7.3随机逼近方法
7.4经验风险最小化的方法
7.5一致收敛条件
7.6经验最优决策规则偏差的估计
7.7有序风险最小化的方法
7.8把随机逼近法和经验风险最小化结合的学习程序
7.9有限存储下的经验风险最小化
7.10在比较条件概率基础上的识别算法
7.11在不完全数据的条件下采取的决策
8.1产生图形的参数模型
第八章 容许变换方法
8.2识别和学习问题的参数提法
8.3图形的容许变换
8.4容许变换方法及其特点
8.5科瓦连斯基相关法
8.6图形序列识别的相关方法
8.7范型序列方法
8.8在二维网格上构造范型图形
8.9用范型序列方法识别视觉图形
第九章 模式识别的结构方法
9.1句法模式识别系统
9.2描述模式的语言和文法
9.3作为识别方法的句法分析
9.4恢复用于句法模式识别的文法
9.5训练程序，形成词汇表
9.6二维文法
10.1问题的提出
第十章 景物识别
10.2三维物体与被识信号模型
10.3机器人对外部世界的感受组织
10.4由多面体组成的模型景物的描述
10.5工业零件机器识别的训练系统
11.1图形模型
第十一章 模式识别问题中的不变决策函数
11.2统计决策理论中的不变性原则
11.3不变决策函数及其性质
11.4识别问题的一般提法
11.5解决模式识别问题的各种方法
第十二章 动态模式的识别
12.1图象模型
12.2动态模式识别问题的一般提法
12.3识别动态模式时考虑历史的原则
12.4状态集合的考虑
12.5状态序列的考虑
12.6动态模式识别的序贯方法
12.7预测滤波器在状态序列分析中的应用
第十三章 决策规则集体
13.1形式算法集体
13.2识别算法集体
13.3集体工作分析
13.4权威区域的划分
13.5决策算法集体的合成
13.6具有必要多样性的集体的合成
13.7在巳知识别算法中使用集体决策规则
13.8不等式系统集
第十四章 模式识别的自学习
14.1模式的广义性质
14.2自学习原则
14.3抽象模式
14.4自学习任务的提出
14.5感知器的自学习
14.6自学习问题的解决方法
15.1构造假设序列
第十五章 应用决策理论的自学习的统计方法
15.2自学习的贝叶斯序贯算法
15.3M.H.施里辛格的递归统计算法
15.4基于随机逼近的自学习递归算法
16.1简化的启发式方法
第十六章 分出紧致组的变分法和启发式方法
16.2基于位函数法的启发式算法
16.3自学习中定量准则的应用
16.4施里辛格变分算法
16.5位函数变分算法
16.6自学习的方差算法
16.7类别数未直接给出时的自学习算法
第十七章 用混合分布法进行模式识别自学习
17.1混合〓B的某些性质
17.2用窗方法对混合〓B进行非参数估计
17.3正态窗函数作用范围的选择
17.4加速识别过程的方法
17.5有限记忆条件下用混合分布法的自学习
18.1学习信息
第十八章 子样的信息性质
18.2样本的矛盾性及再学习信息
18.3样本矛盾性变量
18.4子样的伪信息性
18.5学习信息的有益性及伪信息的有害性
18.6猜测问题的例子
18.7在解决模式识别学习问题情况下子样的信息性质
18.8定向训练原则
18.9定向学习问题
第二部 分
第十九章 视觉图象的识别
19.1简单自动阅读机
19.2用相关法原则构成的自动阅读机
19.3自动阅读机ЧAPC
19.4手写字符的识别
19.5自动阅读机简介
19.6泡室照片的识别
第二十章 语音识别
20.1语音信号的描述
20.2识别有限语音信号组的相关法
20.3用贝叶斯规则识别有限单词量
20.4口述单词的按元素识别
20.5用预先分割法识别语音信号
21.1并行感知器"Mark1"
第二十一章 感知器的实验模型
21.2感知器〓
21.3串行感知器"Gamba"
21.4四层感知器〓
21.5基本阈值元件的识别系统"Adaline"
22.1技术诊断学
第二十二章 诊断和预报
22.2技术诊断学的任务
22.3学习传送器
22.4作为预测滤波器的识别系统
22.5医疗诊断学
23.1"Madaline"系统
第二十三章 控制问题中的学习识别系统
23.2〓学习系统
23.3带校正的控制学习系统
23.4对象特性的近似与“极性气体”的控制问题
23.5炼钢过程的模拟控制
第二十四章 考虑以往历史的试验检验
24.1实现考虑状态总体原则的两层识别系统
24.2用最大似然准则识别动态目标的实验
24.3使用预测滤波器识别动态对象的试验
25.1按动态特性对工业对象分类
第二十五章 自学习的实际问题
25.2用自学习方法建立对象的静态模型
25.3用自学习方法解决零件质量的控制问题
25.4用混合分布法解决医疗诊断问题
25.5用自学习方法解决社会学、地质学和古生物学的问题
26.1程序〓
第二十六章 试验识别程序及某些实用算法
26.2程序〓
26.3程序"Kopa"
26.4程序〓
26.5广义肖像法
26.6〓和〓算法
26.7基于计算估价的识别算法
26.8模式识别中的模糊集（不明确集）
参考文献
索引
var cpro_id = 'u317582';