统计模式识别

丛 书 名：经典译丛.人工智能与智能系统

版本说明：第2版

作     者：Andrew R. Webb Keith D. Copsey 

I S B N：(纸本) 9787121250125 

出 版 社：电子工业出版社 

出 版 年：2015年

页      数：20, 480页页

主 题 词：统计模式识别 

学科分类：0711[理学-系统科学] 12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 07[理学] 081104[工学-模式识别与智能系统] 08[工学] 070104[理学-应用数学] 070105[理学-运筹学与控制论] 081101[工学-控制理论与控制工程] 0701[理学-数学] 0811[工学-控制科学与工程] 071101[理学-系统理论] 

馆 藏 号：201185535...

摘      要：译 者 序信息时代，无处不有模式识别的需求。概括地讲，模式识别是一门以应用数学为理论基础，利用计算机应用技术，解决实际分类及识别问题的学问。按照研究问题的特点及解决问题的手段特征，通常有统计模式识别和结构模式识别之分，前者以多元统计理论为数学基础，以数据特征的形式对问题进行描述，而后者则以形式语言为数学基础，以结构图元的形式对问题进行描述，它们都致力于将隐含在大量样本中的类间差异的规律归纳出来，并综合成适当的分类、识别乃至预测模型。从发展的角度看，在传统的、较成熟的分类和识别方法的基础上，模糊数学思想方法的介入，人工神经网络对统计模型类型的丰富、进化算法等一批优秀算法的出现，支持向量机、复杂网络、极度学习和深度学习等一些新方法的提出和介入等，使统计模式识别的研究和应用充满活力。英国著名学者Andrew R. Webb所著《统计模式识别》一书对统计模式识别的理论、概念和方法进行了全面介绍，并在以下方面具有鲜明特点。1．编写体系。本书以“分类与识别为主线，在“基本概念理论分析方法讲解应用实例拓展研究的框架下，介绍统计模式识别的每一个具体方法； 再以应用研究、建议、参考文献等，对由若干方法形成的一类问题进行综述。其中，“拓展研究能够使读者从知识点伸展到面，进一步了解相关问题的研究动态及人们普遍关注的问题； 而“应用研究则将模式识别技术与广泛的实际问题紧密相联，颇具启迪性； “总结及“建议凝结了作者的体会和经验，颇具指导性； “参考文献给出了所列文献与书中内容的联系及其特色。这样的组织格局使读者从局部到全局、从理论到方法、从方法到应用、从研究动态到问题展望，一览无余。2．清晰的分类方法的主线设计。作者将各种分类器学习方法收纳于统计决策、超特征空间划分这两条主线中，从第2章到第9章，用了共八章的篇幅。统计决策重点解决类概率密度函数的训练，除了非参数法和参数法之外，增加了贝叶斯方法的介绍，特别是按照近邻法直方图法核函数法级数法逐步展开的概率密度估计的讲解，对学习者理解、掌握和用好相关技术大有益处； 超特征空间划分按照线性和非线性线条展开，自然引出对支持向量机和多层感知器的介绍，规则归纳法反映了模式识别与智能方法的有机联系，搭建起从分类模型的判别分析到可解释规则的桥梁。3．将最新研究方法融入统计模式识别框架。作者在“分类与识别主线下带出对统计模式识别概念、新方法（例如人工神经网、模糊思想用于聚类、支持向量机、新的非参数方法、谱聚类、复杂网络等）的较详尽介绍，使读者能够更深层次地理解它们的构成内涵及其识别行为属性，从而为根据具体问题特点灵活、合理地选用它们提供帮助。4．内容前后呼应。作者在保持各章节内容相对独立的前提下，特别加强了“谈此及彼，使读者能够对一种重要方法进行多角度的理解和消化。5．辩证评述和比较性研究。模式识别问题本身决定了目前实用的模式识别方法和技术没有绝对的好与坏。相信读者会从本书的字里行间领略到作者科学严谨的理论分析及辩证客观的方法评述，并从中受益。另外，本书特别强调并略加笔墨的“分类器优化组合、“比较性研究，近年来受到模式识别学者和专家的重视，值得读者关注。本书对上一版的大部分章节内容都进行了重新编写和组织，包括内容顺序的梳理和调整，使其内容的模块性更强，分类方法的线条更清晰，与机器学习、数据挖掘及知识发现的关联更紧密； 配置了更多的例子和图表，使内容更易读、易理解。本书的中译本在上版译稿基础上完成。上一版翻译工作由王萍、杨培龙和罗颖昕完成。在这个版本的翻译过程中，范凯波、王娟、王迪、闫春遐和杜雪峰等，在新增内容初译和公式整理等方面提供了帮助。全书由王萍统稿和定稿。在这里向为本书的翻译工作做出贡献的所有人表示感谢，包括已经毕业的学生杨培龙、罗颖昕和杜雪峰，以及即将毕业的博士生王娟和硕士生闫春遐，在读的博士生范凯波、王迪和石君志。谢谢你们！由于译者水平所限，译文中难免有疏漏和不妥之处，恳请读者不吝赐教。王 萍2014年9月于天津大学本书介绍统计模式识别的基本理论和技术，其中大部分内容涉及识别和分类问题，并取材于工程学、统计学、计算机科学和社会学等领域的相关文献。在这些文献中，反映了许多当今最有用的模式处理技术，包括许多最新的非参数识别方法和贝叶斯计算方法，本书一并对它们进行介绍，并对使用这些技术方法的起因和支撑这些技术方法的理论展开讨论，以使读者在使用那些流行软件包解决问题时获益最大。本书对各项技术均附以应用研究实例说明之。至于书中涉及的模式识别的应用、对比研究法及理论进展的细节，可以在书后各类文献中找到。本书内容源自我们对统计模式识别方法进展的研究，以及对传感器数据分析问题的实际应用，针对高年级本科生课程和研究生课程而写，其中有些材料已用于研究生的模式识别课程及模式识别暑期班。本书也是为模式识别领域的