书名：模式识别基础
书号：978-7-5198-9820-5
定价：43元
作者：翟永杰
出版时间：2025-08-22
出版社：中国电力出版社
页码： 184    字数(千字)：270
开本：16开    版次：1    印次：1

品牌介绍

中国电力出版社成立于 1951 年，作为中国成立最早的中央科技出版社之一，曾隶属于水利电力部、能源部、电力工业部、国家电力公司，现为国家电网公司所属的科技出版社，在电气技术专业出版领域享有极高的声誉。该社作为以图书出版为主体，音像、电子出版物、期刊、网络出版共同发展的大型出版企业，以强大的出版资源和高素质的专业队伍，致力于向读者提供包括电力工程、电气工程、建筑工程、电子技术、信息技术、外语、大中专教材、家教等学科门类齐全的权威出版物，也竭力为广大师生提供精品教材，是教育部和北京市教委规划教材的出版基地之一。

编辑推荐

全书示例以简单易行为原则,水果识别用于入门,引出近邻法和最小距离法;特殊的 水果样本引出梯度下降法;异或问题引出非线性分类方法;四维特征的IRIS数据用于特征 选择与特征抽取示例;0~9字符图像数据引出特征生成;MNIST数据用于深度学习算法 的实现示例。

产品特色

1.由案例引入理论学习，难度由浅入深，内容通俗易懂。 2.本书配套重难知识点视频讲解、授课课件以及全部程序代码，方便读者自学与院校授课。

内容介绍

本书为电力行业“十四五”规划教材。 本书从一个最简单的水果识别的例子开始，引出最近邻法和最小距离分类法，用最简单的方法进行分类原理说明，之后展开模式识别算法的讲解，主要包括贝叶斯决策方法、近邻法、线性判决方法、非线性判决方法、聚类分析、特征选择与提取、神经网络、支持向量机、深度学习。
本书适用于本书可作为高等学校电子信息类本科和研究生课程教材，也可作为职业院校相关专业教材，同时可供对该领域感兴趣的读者自学使用。

前言

人工智能是研究开发用于模拟、延伸和扩展人的智能的技术科学，模式识别是目前人工智能领域应用最广泛的技术之一，是实现人工智能中机器感知的重要手段。模式识别与机器学习、计算机视觉等内容高度交叉，有很广泛的应用场景，是研究人工智能应用（如智能驾驶、智能机器人）的基础。模式识别有近百年的历史，最早可以追溯到 1929 年奥地利工程师古斯塔夫・陶谢克（Gustav Tauschek）发明的光电阅读机，它是人类力图使机器具有分类识别能力的首次尝试。在 20 世纪 60 年代以前，模式识别主要局限于统计学领域中的理论研究。计算机的出现，推动了模式识别理论和技术的发展。20 世纪 80 年代，BP 神经网络算法得到了突破，模式识别技术得到了较为广泛的应用。光学字符识别（Optical Character Recognition，OCR）是模式识别技术最早得到成功应用的技术之一，此后的应用有人脸检测、手势识别、表情识别、语音识别、图像信息检索、图像理解、数据挖掘等。2006 年杰弗里・辛顿（Geoffrey Hinton）提出了深度学习算法，引领了人工智能发展的新一轮热潮，尤其是在以模式识别为基础的计算机视觉领域，取得了很多令人瞩目的研究成果与实际应用。 模式识别本身是一门贴近生活的学科，有很多实际应用，但过多的、枯燥的公式会使很多初学者产生畏惧感。鉴于此，编者将多年来模式识别课程的教学心得梳理成书，降低学习的理论难度，目的是让更多的人都能够去了解它，让更多的人有兴趣去研究它。 本书内容从一个简单例子入手，参考历史发展来介绍模式识别中的主要算法。每一部分都有例程演示，由易到难，循序渐进，符合学生学习的认知规律，这也是根据多年来教学过程中学生的反馈而设计的。与模式识别经典教材及著作相比，本书更注重学生学习体验。学完本书之后，学生可以再进行更深层次的经典教材及著作的学习。

目录

前言
第1章 模式识别概述
11 模式识别的定义
12 模式识别的应用
13 模式识别方法示例
14 模式识别基本概念
习题
第2章 贝叶斯决策
21 错误率
22 基于最小错误率的贝叶斯决策
23 基于最小风险的贝叶斯决策
24 其他贝叶斯决策方法
习题
第3章 近邻法
31 最近邻法
32 最近邻法的错误率分析
33 k近邻法
34 快速近邻算法
习题
第4章 线性判别法
41 判别函数法
42 训练样本错分问题
43 迭代法
44 多类问题的感知器准则函数方法
45 最小均方误差准则函数
46 感知器与神经元
习题
第5章 神经网络
51 线性不可分问题
52 线性判别函数组合方法
53 BP神经网络
54 神经网络算法的应用
习题
第6章 支持向量机
61 机器学习
62 统计学习理论
63 支持向量机
64 支持向量机算法实现
第7章 聚类分析
71 相似性测度
72 聚类准则
73 聚类算法
习题
第8章 特征选择与提取
81 对特征的认识
82 特征生成
83 特征选择
84 特征提取
习题
第9章 深度学习
91 特征生成问题
92 自编码器
93 卷积神经网络
94 计算机视觉
95 电力视觉技术
习题
参考文献