更新时间：2021-04-30 21:41:29
封面
作者简介
版权信息
内容简介
编写组
前言
第1章 绪论
1.1 机器感知与视觉信息
1.2 特征选择与提取
1.3 模式识别系统
1.4 机器感知与模式识别
1.5 机器感知与人工智能的关系
1.6 章节安排
习题
参考文献
第2章 机器视觉
2.1 视觉系统
2.2 硬件系统
2.3 视觉软件
2.4 实验：车牌识别
第3章 特征提取
3.1 特征提取简述
3.2 特征选择
3.3 降维
3.4 类脑智能
3.5 模式识别系统设计
3.6 计算学习理论
3.7 实验：基于PCA的特征脸提取
第4章 线性分类模型
4.1 线性判别函数
4.2 Fisher线性判别函数
4.3 感知器算法
4.4 最小平方误差算法
4.5 Logistic回归
4.6 基于Python实现感知器算法
4.7 实验：感知器算法实现
第5章 非线性分类模型
5.1 分段线性判别函数
5.2 决策树和随机森林
5.3 支持向量机
5.4 贝叶斯分类网络
5.5 神经网络
5.6 基于Python实现决策树和随机森林算法
5.7 实验：决策树和随机森林算法实现
第6章 时间序列预测模型
6.1 时间序列预测概述
6.2 指数平滑法
6.3 自回归滑动平均模型
6.4 自回归积分滑动平均模型
6.5 长短期记忆网络模型
6.6 实验：基于LSTM的股票最高价预测
第7章 混合模型
7.1 高斯模型与高斯混合模型
7.2 贝叶斯混合模型
7.3 集成学习
7.4 实验：基于AdaBoost算法的乳腺癌分类
第8章 图像识别
8.1 数字图像处理系统
8.2 图像特征描述
8.3 图像特征提取
8.4 目标识别
8.5 基于区域生长法的图像识别
8.6 实验：水泥面裂缝检测
第9章 视频目标检测与跟踪
9.1 视频目标检测
9.2 运动目标跟踪
9.3 运动目标检测的性能评价
9.4 图像视频数据集
9.5 实验：多目标跟踪实验
第10章 语音识别
10.1 语音识别概述
10.2 声学模型
10.3 语言模型
10.4 解码器
10.5 深度学习模型
10.6 基于MFCC的语音识别
10.7 基于DNN-MFCC混合系统的语音识别
10.8 实验：基于MFCC特征和THCHS-30数据集的语音识别
第11章 生物特征识别
11.1 生物特征识别概述
11.2 指纹识别
11.3 人脸识别
