前言 模式识别是研究分类识别理论和方法的科学技术，它是人工智能研究领域的重要分支，也是实现机器智能的重要技术手段。该学科的理论任务是运用相关科技研发分类识别的理论和方法，其应用目标是创造能进行分类识别决策的智能机器系统以代替人类的分类识别工作。在理论上，它涉及代数学、矩阵论、函数论、随机数学、模糊数学、图论、最优化理论、信号处理、计算机科学、神经物理学等众多学科的知识，在应用上它又与其他许多领域的知识及工程技术密切相关，是一门综合性、交叉性学科。 本书是一本模式识别教科书。为了使尽可能多的读者通过本书对模式识别有所了解，作者侧重于讲解算法原理，并尽可能少地使用数学知识。但阅读本书，还需要具有概率、统计、代数、逻辑等方面的基本知识。因此，本书更适合大学三年级以上的理工科本科生和研究生，并可供人工智能、模式识别、机器学习、数据挖掘等相关领域感兴趣的研究人员和工程技术人员参考。 本书的写作原则是“注重基础，阐释原理，突出应用”。 重点介绍本领域的基础概念、方法和模型，在基础和前沿之间选择符合学科最新发展 趋势 的基础知识进行介绍； 注重讲“理”，着力把相关算法的思想讲清楚，使读者真正掌握学科知识， 切实提高解决问题的能力。本书在阐明知识时,不仅讲其然,还要讲其所以然,而不是简单地罗列 定理、结论、算法步骤； 注意讲清楚具体的模式识别模型的应用方法，不仅让读者清楚相关技术的机理， 更使其明白如何应用本书介绍的方法解决实际问题。 全书共四部分，分为10章。其中，第一部分为第1章，综述人工智能及模式识别的相关概念、发展简史、学派及其认知观，最后介绍相关技术典型的应用领域； 第二部分为第2~5章，介绍与模式识别相关的人工智能基础知识，包括 智能Agent、确定性知识表示与推理、搜索策略、智能优化算法等，构造复杂的现代模式识别系统，这些知识是不可或缺的； 第三部分为第6章，介绍模式识别的基本流程、特征表示、性能评估方法、基本原则等，重点讨论特征提取与选择方法，为应用具体的模式识别算法做好预处理工作； 第四部分为 第7～10章，介绍各种典型的模式识别模型和算法，包括 基于判别函数的分类方法、基于概率的分类方法、 人工神经网络，以及聚类分析。 本书是在湖南省一流本科生课程“人工智能与模式识别”讲义的基础上结合该课程多年教学实践经验及相关的科研成果编著而成的 。为了适应学科发展趋势，本书在内容上也参考了国内外诸多学者、专家的研究成果、论文、著作，在此表示由衷的感谢。 在本书编撰过程中，国防科技大学夏靖远副教授参与了本书习题的选取与全书校对工作，硕士生刘琛参与本书部分插图的绘制与全书校对工作。本书编写工作得到了国防科技大学孙即祥教授、景宁教授、许可副教授、李军教授、陈荦教授、黄春琳教授、钟志农教授、 邹焕新教授、伍江江副教授、吴烨副教授、杨岸然副研究员、欧阳雪副教授、彭双讲师、贾庆仁助理研究员、马梦宇讲师 ，陆军军医大学粘永健副教授 等的大力支持。本书的编写工作还得到了学校、学院领导的大力支持与帮助，在此一并表示感谢。 人工智能与模式识别是一个快速发展的领域，新的理论、方法、技术和应用成果不断涌现，由于作者能力有限，书中难免出现错漏和不足之处，殷切希望同行专家和读者批评指正，给出宝贵建议。 陈浩 2024年6月于湖南长沙德雅村

• 暂无课件
• 样章下载
• 暂无网络资源

扫描二维码
下载APP了解更多

版权图片链接