상세정보

이 책은 패턴인식, 인공지능, 데이터 마이닝에 관심이 많은 전기/전자/컴퓨터 관력학과의 대학원생이나 연구원을 대상으로 한다. 패턴인식을 이해하기 위한 필수 지식인 선형대수학, 확률, 통계의 기초 지식부터 패턴인식의 핵심적인 알고리즘 전반을 설명하며, 일부 알고리즘 MATLAB을 이용하여 프로그래밍하고 시뮬레이션해봄으로써 이론을 입체적으로 이해할 수 있게 했다.

정보제공 :

목차
추천사 = 4
저자 머리말 = 6
강의계획표 = 7
워밍업 = 8
학습 로드맵 = 10
강의보조자료와 참고문헌 = 12
Chapter 01 패턴인식의 개요
 01 인공지능의 가능성에 대한 철학적 논쟁 = 22
 02 패턴인식의 정의 = 26
 03 특징과 패턴 = 28
 04 패턴인식 시스템의 구성 요소와 설계 사이클 = 30
 05 패턴인식의 유형과 분류기 = 31
  01 문제의 유형 = 31
  02 분류기 = 32
 06 패턴인식 알고리즘의 성능 평가 = 34
 07 패턴인식 접근법과 관련 응용 분야 = 36
  01 패턴인식 접근법 = 36
  02 패턴인식 응용 분야 = 37
 08 패턴인식의 응용 예 = 39
  01 간단한 영문자 인식 시스템 = 39
  02 자동 어류 분류 시스템 = 40
Chapter 02 선형 대수학 : 벡터와 행렬
 01 벡터 이론 = 46
  01 주요 개념 = 46
 02 행렬 대수 = 54
  01 행렬의 종류 = 54
  02 행렬의 곱셈 = 56
  03 행렬의 트레이스 = 56
  04 행렬의 계수 = 57
  05 행렬식 = 58
  06 역행렬 = 61
  07 고유값과 고유벡터 = 62
  08 유사변환과 행렬의 대각화 = 64
  09 2차 형식 = 66
  10 SVD : 특이값 재구성 = 67
  11 선형 변환 = 69
Chapter 03 기초 통계와 확률 이론
 01 기초 통계 = 72
  01 통계 용어 = 72
  02 통계 파라미터 = 72
  03 회귀 분석 = 77
 02 확률 이론 = 80
  01 확률 용어 = 80
  02 전체 확률 이론 = 84
  03 베이즈의 정리 = 86
Chapter 04 확률변수와 확률분포
 01 확률변수 = 90
 02 확률분포 = 91
 03 확률함수의 종류 = 92
  01 누적분포함수 = 92
  02 확률밀도함수와 확률질량함수 = 93
  03 확률밀도함수와 확률 = 94
  04 기대값: 확률변수의 평균 = 95
  05 확률변수의 분산과 표준편차 = 95
 04 벡터 랜덤변수 = 96
 05 랜덤 벡터의 통계적 특징 = 98
 06 공분산 행렬 = 99
 07 가우시안 분포 = 100
  01 가우시안 분포함수 = 100
  02 완전 공분산 가우시안 형태 = 103
  03 대각 공분산 가우시안 형태 = 104
  04 구형 공분산 가우시안 형태 = 105
 08 MATLAB 실습 = 105
Chapter 05 통계적 결정이론과 확률밀도함수의 추정
 01 우도비 검증 = 116
 02 오류확률 = 119
 03 베이즈 위험 = 121
 04 LRT 결정규칙의 변형 = 125
 05 다중 클래스에 대한 결정규칙 = 126
 06 판별함수 = 128
 07 최우추정법에 의한 확률밀도함수의 추정 = 130
 08 MATLAB 실습 = 136
Chapter 06 선형 분류기와 이차 분류기
 01 선형 분류기 = 144
 02 이차 분류기 = 146
  01 가우시안 확률밀도함수의 일반식 = 148
  02 데이터에 대한 통계적인 공분산 행렬의 종류 = 148
Chapter 07 데이터 마이닝의 시작 : 백터 양자화와 클러스터링
 01 교사와 비교사 학습 = 162
 02 비교사 학습의 두 가지 접근법 = 162
 03 벡터 양자화와 클러스터링 = 163
 04 최적화 규준 = 164
 05 k-means 알고리즘과 EM 알고리즘 = 165
 06 비균일 이진 분할 = 166
 07 k-means와 이진 분할의 비교와 개선: LBG 알고리즘 = 167
 08 MATLAB 실습 = 169
Chapter 08 견고한 확률 모델 : 가우시안 혼합 모델(GMM)
 01 가우시안 혼합 모델 = 184
 02 GMM의 학습 : EM 알고리즘 = 185
 03 EM 알고리즘의 필요성 = 188
 04 EM 알고리즘의 일반화 = 191
  01 추정 단계 = 192
  02 최대화 단계 = 192
  03 수렴 성질 = 192
 05 EM 알고리즘과 k-means 클러스터링 알고리즘 = 194
 06 MATLAB 실습 = 195
Chapter 09 비모수 밀도 추정법
 01 비모수 밀도 추정 = 216
 02 히스토그램 = 217
 03 커널 밀도 추정 = 220
 04 Parzen 창에 의한 커널 밀도 추정 = 223
 05 스무드 커널을 이용한 커널 밀도 추정 = 228
 06 k-NNR을 이용한 밀도 추정 = 233
 07 비모수 밀도 추정을 이용한 패턴인식 = 236
 08 MATLAB 실습 = 238
Chapter 10 주성분 분석법(PCA)과 KL 변환
 01 차원의 저주 = 242
 02 고유벡터와 고유값 = 243
  01 고유벡터 = 243
  02 고유값 = 245
 03 주성분 분석 = 247
 04 KL 변환 = 251
 05 PCA를 이용한 얼굴 인식 = 257
 06 MATLAB 실습 = 263
Chapter 11 선형 판별 분석법 : LDA
 01 선형 판별 분석법과 피셔의 선형 판별식 = 280
 02 2진 분류에 적용된 LDA = 282
 03 C-클래스 분류에 적용된 LDA = 286
 04 LDA의 두 가지 접근법과 한계 = 289
 05 MATLAB 실습 = 292
Chapter 12 결정 트리 학습 알고리즘 : ID3
 01 결정 트리 = 304
 02 ID3: 결정 트리 학습 알고리즘 = 305
 03 엔트로피와 정보 이득 = 306
 04 ID3을 이용한 결정 트리 구축과 분류 = 309
 0 MATLAB 실습 = 312
Chapter 13 신경 세포 모델링 : 인공 신경망
 01 신경세포의 모델링과 신경망의 태동 : McCulloch and Pitts(1943) = 318
 02 헤브의 학습 규칙 : Hebb(1949) = 322
 03 신경망의 번성과 퍼셉트론 : Rosenblatt(1958) = 325
 04 LMS 학습 규칙 : Widrow and Hoff(1960) = 327
 05 신경망의 암흑기 : Minsky and Papert(1969) = 329
 06 신경망의 부활과 역전파 알고리즘 : Rumelhart, Hinton and Williams(1986) = 331
 07 패턴인식과 신경망의 구조 = 339
 08 MATLAB 실습 = 342
Chapter 14 뇌영역 모델링 : 자기 조직화 특징 지도
 01 자기 조직화 특징 지도 = 356
 02 SOFM의 학습 과정과 장점 = 357
 03 학습 절차와 사용되는 함수들 = 359
 04 2차원 지도의 자기 조직화 = 361
 05 2차원 데이터 분포를 대표하는 1차원 체인 형성 자기 조직화 = 361
 06 SOFM을 이용한 음성인식 = 363
 07 MATLAB 실습 = 364
Chapter 15 기발한 최적화 방법:유전 알고리즘
 01 최적화 문제와 유전 알고리즘 개요 = 374
 02 유전 알고리즘의 특징 = 376
 03 유전 알고리즘과 진화 알고리즘 = 376
 04 유전 알고리즘의 구성 요소 = 377
 05 유전 연산자 = 379
 06 적합도 함수 = 383
 07 정상 상태 유전 알고리즘(SSGA) = 384
 08 순회 판매원 문제에 적용된 유전 알고리즘 = 385
 09 MATLAB 실습 = 388
Chapter 16 시계열 패턴인식의 시작:동적 계획법과 DTW
 01 정적 패턴과 동적 패턴 = 404
 02 동적 계획법 = 404
 03 예제를 통한 동적 계획법의 이해 = 405
  01 1차원 동적 계획법 적용 예 : 배낭 문제 = 405
  02 2차원 동적 계획법과 백트랙킹 : 최적 경로 찾기 = 408
  03 2차원 동적 계획법 적용 예 : LCS 찾기 = 409
 04 DTW 알고리즘 = 418
  01 선형 신축과 비선형 신축 = 418
  02 음성인식에 적용된 DTW의 제약 조건 = 420
 05 MATLAB 실습 = 425
Chapter 17 음성인식의 기수 : 은닉 마르코프 모델(HMM)
 01 확률 행렬과 마르코프 연쇄 = 430
 02 마르코프 가정, 마르코프 모델, 마르코프 과정 = 432
 03 은닉 마르코프 모델 = 436
  01 날씨 HHM 모델 = 436
  02 커튼 뒤에 숨겨진 항아리 속의 공 HMM 모델 = 438
 04 HMM의 3가지 문제와 해법 = 441
 05 확률 평가 문제와 해법 = 442
  01 전향 알고리즘 = 444
  02 후향 할고리즘 = 445
  03 전향-후향 알고리즘 = 446
  04 전향, 후향 알고리즘을 통한 확률 평가 비교 = 447
 06 최적 상태열 문제와 해법 = 452
  01 비터비 알고리즘 = 453
  02 비터비 알고리즘에 의한 최적 상태열 탐색 = 454
 07 파라미터 추정의 문제와 해법 = 456
  01 바움-웰치 재추정 알고리즘 = 459
 08 MATLAB 실습 = 466
Chapter 18 최적 분류를 향한 끝없는 도전 : SVM
 01 SVM 소개 = 482
 02 최적 분류 초평면 = 483
 03 최대 마진의 수식화 = 486
 04 라그랑제 승수를 이용한 비선형 계획법 = 488
 05 선형 SVM의 학습 = 494
 06 마진 최대화 조건식 = 496
 07 Support Vector 전개와 판별함수 = 497
 08 비선형 SVM = 498
 09 커널 트릭 = 501
 10 MATLAB 실습 = 504
Chapter 19 집약도강(集弱導强) 알고리즘 : AdaBoost
 01 Boosting 소개 = 514
 02 AdaBoost 알고리즘 = 515
 03 AdaBoost 적용 사례 : 얼굴 검출 = 517
  01 하알-유사 특징 = 517
  02 적분 영상 = 518
  03 학습 알고리즘 = 520
  04 단계 검사 방법 = 522
 04 MATLAB 실습 = 524
Appendix A MATLAB 사용법
 01 MATLAB의 이해 = 538
 02 변수 설정과 자료형 = 540
 03 변수 계산과 행렬 처리 = 545
 04 MATLAB 프로그래밍 = 544
 05 플롯과 그래픽 = 557
 06 스크립트 파일 = 559
 07 함수와 함수 파일 = 560
찾아보기 = 564