상세정보

오늘날의 패턴 인식의 주요 주제들에 관해 깊이 있고 체계적으로 설명함으로써 주어진 문제들의 해결을 위해 적합한 정보를 제공한다. 또한 이 개정판은 패턴의 분류와 최근의 눈부신 기술 변화에 초첨을 맞춤으로써, 4반세기가 넘도록 패턴 분야의 고전으로 평가받고 있는 전판을 더욱 실용적으로 변모시켰다.

정보제공 :

목차
머리말 = ⅲ
역자 머리말 = ⅸ
CHAPTER 1 소개
 1.1 기계 인지 = 1
 1.2 보기 = 2
 1.3 패턴 인식 시스템 = 11
 1.4 설계 싸이클 = 17
 1.5 학습과 적응 = 20
 1.6 결론 = 22
 장들의 개요 = 22
 서적 해제 및 역사적 논평 = 23
 참고문헌 = 24
CHAPTER 2 Bayes 판정 이론
 2.1 소개 = 25
 2.2 Bayes 판정 이론-연속적 특징들 = 29
 2.3 최소 에러율 분류 = 32
 2.4 분류기, 판별 함수, 판정 표면 = 36
 2.5 노멀 밀도 = 39
 2.6 노멀 밀도에 대한 판별 함수 = 44
 2.7 에러 확률과 적분 = 53
 2.8 노멀 밀도에 대한 에러 한계 = 55
 2.9 Bayes 판정 이론-이산 특징 = 60
 2.10 누락된 특징과 노이즈 낀 특징 = 64
 2.11 Bayes 신뢰 네트웍 = 66
 2.12 복합적 Bayes 판정 이론과 정황 = 73
 요약 = 74
 서적 해제 및 역사적 논평 = 75
 연습문제 = 77
 컴퓨터 연습문제 = 91
 참고문헌 = 93
CHAPTER 3 최대 우도 및 Bayes 파라미터 추정
 3.1 소개 = 95
 3.2 최대 우도 추정 = 96
 3.3 Bayes 추정 = 103
 3.4 Bayes 파라미터 추정: 가우시언 경우 = 105
 3.5 Bayes 파라미터 추정: 일반 이론 = 111
 3.6 충분 통계 = 118
 3.7 차원의 문제 = 126
 3.8 성분 분석 및 판별식 = 132
 3.9 기대-최대화 = 144
 3.10 은닉 Markov 모델 = 148
 요약 = 161
 서적 해제 및 역사적 논평 = 162
 연습문제 = 163
 컴퓨터 연습문제 = 177
 참고문헌 = 181
CHAPTER 4 비파라미터적 기법
 4.1 소개 = 183
 4.2 밀도 추정 = 184
 4.3 Parzen-윈도우 = 187
 4.4 kn -최근접 이웃 추정 = 199
 4.5 최근접 이웃 룰 = 202
 4.6 메트릭과 최근접 이웃 분류 = 214
 4.7 퍼지 분류 = 220
 4.8 축소된 Coulomb 에너지 네트웍 = 223
 4.9 급수 전개에 의한 근사화 = 226
 요약 = 229
 서적 해제 및 역사적 논평 = 229
 연습문제 = 231
 컴퓨터 연습문제 = 239
 참고문헌 = 243
CHAPTER 5 선형 판별 함수
 5.1 소개 = 245
 5.2 선형 판별 함수와 판정 평면 = 246
 5.3 일반화된 선형 판별 함수 = 250
 5.4 선형 분리 가능한 두 부류의 경우 = 255
 5.5 퍼셉트론 기준 함수 최소화하기 = 259
 5.6 이완 프로시저 = 269
 5.7 분리 불가 반응 = 273
 5.8 최소 제곱-에러 프로시저 = 274
 5.9 Ho-Kashyap 프로시저 = 286
 5.10 선형 프로그래밍 알고리즘 = 294
 5.11 지원 벡터 기계 = 298
 5.12 다부류 일반화 = 304
 요약 = 309
 서적 해제 및 역사적 논평 = 310
 연습문제 = 311
 컴퓨터 연습문제 = 319
 참고문헌 = 322
CHAPTER 6 다층 신경망
 6.1 소개 = 323
 6.2 피드포워드 연산과 분류 = 325
 6.3 역전파 알고리즘 = 331
 6.4 에러 표면 = 340
 6.5 특징 매핑으로서의 역전파 = 344
 6.6 역전파, Bayes 이론, 그리고 확률 = 348
 6.7 관련 통계 기법 = 351
 6.8 역전파를 개선하기 위한 실질적 기법 = 353
 6.9 2차 방법 = 367
 6.10 기타 네트웍과 훈련 방법 = 374
 6.11 조정, 복잡도 조절과 전정 = 381
 요약 = 384
 서적 해제 및 역사적 논평 = 385
 연습문제 = 388
 컴퓨터 연습문제 = 395
 참고문헌 = 399
CHAPTER 7 추계학적 방법
 7.1 소개 = 403
 7.2 추계학적 탐색 = 404
 7.3 Boltzmann 학습 = 415
 7.4 Boltzmann 네트웍과 도형적 모델 = 427
 7.5 진화적 방법 = 430
 7.6 유전자 프로그래밍 = 437
 요약 = 440
 서적 해제 및 역사적 논평 = 440
 연습문제 = 442
 컴퓨터 연습문제 = 447
 참고문헌 = 451
CHAPTER 8 비계량형 방법
 8.1 소개 = 455
 8.2 판정 트리 = 456
 8.3 CART = 458
 8.4 그 밖의 트리 방법 = 477
 8.5 문자열에 의한 인식 = 479
 8.6 문법적 방법 = 490
 8.7 문법적 추론 = 500
 8.8 룰-기반 방법 = 502
 요약 = 506
 서적 해제 및 역사적 논평 = 507
 연습문제 = 509
 컴퓨터 연습문제 = 519
 참고문헌 = 523
CHAPTER 9 알고리즘-독립적 기계 학습
 9.1 소개 = 527
 9.2 모든 분류기의 본질적 우월성의 결여 = 529
 9.3 바이어스와 분산 = 543
 9.4 통계 추정을 위한 재표본화 = 550
 9.5 분류기 설계를 위한 재표본화 = 555
 9.6 분류기 추정 및 비교 = 564
 9.7 분류기 결합하기 = 580
 요약 = 584
 서적 해제 및 역사적 논평 = 585
 연습문제 = 588
 컴퓨터 연습문제 = 595
 참고문헌 = 599
CHAPTER 10 비감독형 학습과 클러스터링
 10.1 소개 = 603
 10.2 혼합 밀도와 식별가능성 = 604
 10.3 최대-우도 추정 = 606
 10.4 노멀 혼합에 대한 응용 = 608
 10.5 비감독형 Bayes 학습 = 619
 10.6 데이터 묘사와 클러스터링 = 627
 10.7 클러스터링을 위한 기준 함수 = 633
 10.8 반복적 최적화 = 641
 10.9 계층적 클러스터링 = 644
 10.10 유효성 문제 = 652
 10.11 온라인 클러스터링 = 655
 10.12 그래프-이론 방법 = 663
 10.13 성분 분석 = 666
 10.14 저차원 표현과 다차원 스케일링(MDS) = 672
 요약 = 681
 서적 해제 및 역사적 논평 = 683
 연습문제 = 684
 컴퓨터 연습문제 = 694
 참고문헌 = 699
부록 A 수학 기초
 A.1 표기법 = 703
 A.2 선형 대수 = 707
 A.3 Lagrange 최적화 = 714
 A.4 확률 이론 = 714
 A.5 가우시언의 미분과 적분 = 728
 A.6 가설 검증 = 734
 A.7 정보 이론 = 737
 A.8 계산 복잡도 = 740
 서적 해제 및 역사적 논평 = 742
 참고문헌 = 743
찾아보기 = 745