HOME > 상세정보

상세정보

패턴인식과 기계학습 : 기초부터 활용까지

패턴인식과 기계학습 : 기초부터 활용까지 (99회 대출)

자료유형
단행본
개인저자
박혜영 이관용, 저
서명 / 저자사항
패턴인식과 기계학습 = Pattern recognition : 기초부터 활용까지 / 박혜영, 이관용 저
발행사항
고양 :   이한출판사,   2011  
형태사항
xvi, 423 p : 삽화(일부천연색), 도표 ; 26 cm
ISBN
9788982417306
일반주기
색인과 부록수록  
000 00757namcc2200241 c 4500
001 000045637958
005 20130405180130
007 ta
008 110329s2011 ggkad 001c kor
020 ▼a 9788982417306 ▼g 93000
040 ▼d 211009
082 0 4 ▼a 006.4 ▼2 23
085 ▼a 006.4 ▼2 DDCK
090 ▼a 006.4 ▼b 2011
100 1 ▼a 박혜영
245 1 0 ▼a 패턴인식과 기계학습 = ▼x Pattern recognition : ▼b 기초부터 활용까지 / ▼d 박혜영, ▼e 이관용 저
260 ▼a 고양 : ▼b 이한출판사, ▼c 2011
300 ▼a xvi, 423 p : ▼b 삽화(일부천연색), 도표 ; ▼c 26 cm
500 ▼a 색인과 부록수록
536 ▼a 이 책은 2008학년도 경북대학교 학술연구비지원사업(저술장려연구비)의 지원을 받아서 집필되었음
700 1 ▼a 이관용, ▼e
945 ▼a KLPA

No. 소장처 청구기호 등록번호 도서상태 반납예정일 예약 서비스
No. 1 소장처 중앙도서관/제2자료실(3층)/ 청구기호 006.4 2011 등록번호 111658208 도서상태 대출가능 반납예정일 예약 서비스 B M
No. 2 소장처 과학도서관/Sci-Info(1층서고)/ 청구기호 006.4 2011 등록번호 121207662 도서상태 대출가능 반납예정일 예약 서비스 B M
No. 3 소장처 과학도서관/Sci-Info(1층서고)/ 청구기호 006.4 2011 등록번호 121224506 도서상태 대출가능 반납예정일 예약 서비스 B M
No. 4 소장처 세종학술정보원/과학기술실/ 청구기호 006.4 2011 등록번호 151322249 도서상태 분실(장서관리) 반납예정일 예약 서비스 M
No. 소장처 청구기호 등록번호 도서상태 반납예정일 예약 서비스
No. 1 소장처 중앙도서관/제2자료실(3층)/ 청구기호 006.4 2011 등록번호 111658208 도서상태 대출가능 반납예정일 예약 서비스 B M
No. 소장처 청구기호 등록번호 도서상태 반납예정일 예약 서비스
No. 1 소장처 과학도서관/Sci-Info(1층서고)/ 청구기호 006.4 2011 등록번호 121207662 도서상태 대출가능 반납예정일 예약 서비스 B M
No. 2 소장처 과학도서관/Sci-Info(1층서고)/ 청구기호 006.4 2011 등록번호 121224506 도서상태 대출가능 반납예정일 예약 서비스 B M
No. 소장처 청구기호 등록번호 도서상태 반납예정일 예약 서비스
No. 1 소장처 세종학술정보원/과학기술실/ 청구기호 006.4 2011 등록번호 151322249 도서상태 분실(장서관리) 반납예정일 예약 서비스 M

컨텐츠정보

목차

목차
Chapter 1 패턴인식과 기계학습의 개요 
 1.1. 패턴인식과 기계학습 = 3
 1.2. 패턴인식의 처리과정 = 6
 1.3. 패턴인식의 기본 요소 = 8
  1.3.1. 데이터와 데이터 분포 = 9
  1.3.2. 특징과 특징추출 = 11
  1.3.3. 분류와 결정경계 = 13
  1.3.4. 분류율과 오차 = 14
 1.4. 패턴인식과 관련된 개념들 = 16
  1.4.1. 분류와 군집화 = 16
  1.4.2. 교사학습과 비교사학습 = 17
  1.4.3. 분류기 복잡도와 과다적합 = 18
 1.5. 패턴인식의 응용 = 20
 연습문제 = 22
 참고자료 = 23 
Chapter 2 패턴인식기 개발 
 2.1. 2차원 데이터의 분류 = 27
  2.1.1. 데이터의 생성 = 27
  2.1.2. 학습 : 데이터의 분포 특성 분석 = 29
  2.1.3. 분류 : 결정경계의 설정 = 31
  2.1.4. 성능 평가 = 32
 2.2. 숫자 데이터의 분류 = 34
  2.2.1. 데이터 수집과 전처리 = 34
  2.2.2. 학습과 결정경계 = 37
  2.2.3. 분류와 성능 평가 = 38
 연습문제 = 40
 참고자료 = 41 
Chapter 3 데이터의 통계적 분석 
 3.1. 데이터의 확률분포와 패턴인식 = 45
 3.2. 모수적 확률밀도 추정 = 47
  3.2.1. 최우추정법 = 48
  3.2.2. 가우시안 확률밀도함수의 최우추정 = 49
 3.3. 비모수적 확률밀도 추정 = 53
  3.3.1. 히스토그램법 = 53
  3.3.2. 히스토그램법의 일반화 = 55
  3.3.3. 커널 밀도함수 추정법 = 57
 3.4. 매트랩을 이용한 밀도함수 추정 실험 = 60
 연습문제 = 64
 참고자료 = 66 
Chapter 4 베이지안 분류기 
 4.1. 베이지안 분류기 = 69
  4.1.1. 우도비에 의한 패턴분류 = 69
  4.1.2. 다중 클래스 분류기 = 72
 4.2. 베이지안 분류기의 결정경계와 오차 = 74
  4.2.1. 분류기의 오류확률 = 74
  4.2.2. 최소 오류확률 결정경계 = 76
  4.2.3. 오류확률의 확장 - 베이즈 위험 = 78
 4.3. 가우시안 확률분포와 베이지안 분류기 = 80
  4.3.1. 클래스 공통 단위공분산행렬 = 81
  4.3.2. 클래스 공통 공분산행렬 = 83
  4.3.3. 일반적인 공분산행렬 = 84
 4.4. 매트랩을 이용한 베이지안 분류기 실험 = 85
 연습문제 = 90
 참고자료 = 91 
Chapter 5 K-근접이웃 분류기 
 5.1. K-근접이웃 분류기 = 95
  5.1.1. 비모수적 확률밀도 추정과 최근접이웃 분류기 = 95
  5.1.2. K-근접이웃(K-NN) 분류기 = 97
  5.1.3. K-NN 분류기와 비모수적 밀도추정 = 99
 5.2. K-근접이웃 분류기의 특성 = 100
  5.2.1. K-NN 분류기의 결정경계 = 100
  5.2.2. K-NN 분류기 설계시 고려사항 = 101
 5.3. 매트랩을 이용한 K-NN 분류기 실험 = 104
 연습문제 = 109
 참고자료 = 110 
Chapter 6 선형 판별함수 
 6.1. 판별함수와 패턴인식 = 113
  6.1.1. 판별함수의 형태 = 113
  6.1.2. 판별함수와 결정영역 = 116
 6.2. 판별함수의 학습 = 121
  6.2.1. 최소제곱법 = 121
  6.2.2. 퍼셉트론 학습 = 124 
 6.3. 매트랩에 의한 선형 판별함수 분류기 실험 = 127
 연습문제 = 129
 참고자료 = 131 
Chapter 7 군집화 
 7.1. 분류와 군집화 = 135
 7.2. K-means 알고리즘에 의한 군집화 = 137
  7.2.1. K-means 알고리즘 = 137
  7.2.2. K-means 알고리즘의 특성 = 139
 7.3. 계층적 군집화 = 142
  7.3.1. 계층적 군집화 알고리즘 = 142
  7.3.2. 계층적 군집화의 특성 = 144
 7.4. 매트랩을 이용한 군집화 실험 = 146
 연습문제 = 149
 참고자료 = 151 
Chapter 8 특징추출 
 8.1. 선형변환에 의한 특징추출 = 155
 8.2. 주성분분석법 = 159
  8.2.1. 공분산 분석과 화이트닝변환 = 159
  8.2.2. 주성분분석 알고리즘 = 163
  8.2.3. 주성분분석법의 수학적 유도 = 166
  8.2.4. 주성분분석법의 특성과 문제점 = 169
 8.3. 선형판별분석법 = 170
  8.3.1. 선형판별분석 알고리즘 = 170
  8.3.2. 선형판별분석법의 특성과 문제점 = 174
 8.4. 매트랩을 이용한 특징추출 실험 = 175
 연습문제 = 178
 참고자료 = 181 
Chapter 9 패턴인식 시스템 설계 
 9.1. 얼굴인식 문제 = 185
 9.2. 특징추출기의 학습 = 187
  9.2.1. 영상 데이터를 위한 주성분분석 = 187
  9.2.2. PCA에 의한 특징추출 - 아이겐페이스 = 190
  9.2.3. LDA에 의한 특징추출 - 피셔페이스 = 191
 9.3. 분류기의 설계 = 193
 9.4. 매트랩에 의한 인식기 구현 = 193
 연습문제 = 198
 참고자료 = 199 
Chapter 10 가우시안 혼합 모델 
 10.1. 가우시안 혼합 모델 = 203
  10.1.1. 가우시안 혼합 모델의 필요성 = 203
  10.1.2. 가우시안 혼합 모델의 정의 = 205
 10.2. 가우시안 혼합 모델의 학습 = 206
  10.2.1. 최우추정법 = 206
  10.2.2. 최우추정법의 문제점 = 211
 10.3. EM 알고리즘의 적용 = 212
  10.3.1. 가우시안 혼합 모델과 은닉변수 = 212
  10.3.2. 은닉변수를 가진 확률 모델을 위한 EM 알고리즘 = 213
  10.3.3. 가우시안 혼합 모델을 위한 EM 알고리즘 = 218
 10.4. 일반화된 EM 알고리즘 = 218
 10.5. 매트랩을 이용한 가우시안 혼합 모델 추정 실험 = 222
 연습문제 = 227
 참고자료 = 229 
Chapter 11 신경망 
 11.1. 인공신경망 = 233
  11.1.1. 신경망이란? = 233
  11.1.2. 생물학적 신경망 = 234
  11.1.3. 인공신경망의 구성요소 = 236
 11.2. 신경망 분류기 = 239
  11.2.1. M-P 뉴런과 퍼셉트론 = 239
  11.2.2. 다층 퍼셉트론(MLP) = 241
  11.2.3. 다층 퍼셉트론의 학습 = 243
  11.2.4. 다층 퍼셉트론 학습의 고려사항 = 250
 11.3. 군집화를 위한 신경망 = 252
  11.3.1. 자기조직화 특징맵(SOM) = 252
  11.3.2. 자기조직화 특징맵의 학습 = 255
 11.4. 매트랩을 이용한 신경망 구현 = 259
  11.4.1. MLP를 이용한 패턴 분류 = 259
  11.4.2. SOM을 이용한 군집화와 특징맵 = 263
 연습문제 = 269
 참고자료 = 271 
Chapter 12 SVM과 커널법 
 12.1. 선형 초평면에 의한 분류 = 275
  12.1.1. 과다적합과 일반화오차 = 275
  12.1.2. 선형 초평면 분류기 = 276
 12.2. 서포트벡터머신(SVM) = 278
  12.2.1. 최대 마진 분류기 SVM = 278
  12.2.2. SVM의 학습 = 281
  12.2.3. SVM에 의한 분류 = 284
 12.3. 슬랙변수를 가진 SVM = 286
  12.3.1. 슬랙변수의 도입 = 286
  12.3.2. 파라미터의 추정 = 288
 12.4. 커널법 = 290
  12.4.1. 커널의 필요성 = 290
  12.4.2. 커널법과 SVM = 291
 12.5. 매트랩을 이용한 SVM 실험 = 293
 연습문제 = 301
 참고자료 = 302 
Chapter 13 학습기의 결합 
 13.1. 학습기 결합의 개요 = 305
  13.1.1. 학습기 결합의 필요성 = 305
  13.1.2. 앙상블 학습의 개요 = 307
 13.2. 배깅과 보팅 = 310
  13.2.1. 배깅에 의한 학습과 보팅에 의한 결합 = 310
  13.2.2. 배깅과 보팅의 효과 = 311
 13.3. 부스팅 = 314
  13.3.1. AdaBoost 알고리즘 = 314
  13.3.2. AdaBoost 알고리즘과 오차변화 = 317
 13.4. 캐스케이딩 = 320
 13.5. 전문가 혼합 = 322
 13.6. 매트랩을 이용한 실험 = 324
 연습문제 = 329
 참고자료 = 330 
Chapter 14 비선형 특징추출 
 14.1. 비선형 특징추출의 필요성 = 333
 14.2. 커널법과 특징추출 = 335
  14.2.1. 커널 PCA = 335
  14.2.2. 커널 LDA = 343
 14.3. 비선형 매니폴드 학습 = 347
  14.3.1. 매니폴드 학습 = 347
  14.3.2. MDS와 ISOMap = 349
  14.3.3. LLE(국소선형임베딩) = 357
 14.4. 매트랩을 사용한 비선형 특징추출 실험 = 363
  14.4.1. 커널 PCA와 커널 LDA의 구현 = 363
  14.4.2. ISOMap과 LLE의 구현 = 366
 연습문제 = 372
 참고자료 = 373 
Appendix A 벡터와 행렬 
 A.1. 벡터 = 377
  A.1.1. 벡터와 기초 연산 = 377
  A.1.2. 실수공간 Rⁿ상에서의 n차원 벡터 = 378
  A.1.3. 기저를 이용한 벡터 표현 = 381
 A.2. 행렬 = 383
  A.2.1. 행렬과 기본 연산 = 383
  A.2.2. 정방행렬 = 385
  A.2.3. 행렬의 성질 = 387
  A.2.4. 자주 사용되는 행렬 = 389
 A.3. 데이터 변환 = 390
  A.3.1. 기저행렬을 이용한 데이터 표현 = 390
  A.3.2. 선형변환 = 392 
Appendix B 확률통계 
 B.1. 확률론 = 399
  B.1.1. 기본 용어 = 399
  B.1.2. 결합확률과 조건부확률 = 401
  B.1.3. 독립사건과 독립시행 = 402
  B.1.4. 베이즈 정리 = 403
 B.2. 확률변수와 확률분포 = 405
  B.2.1. 확률변수 = 405
  B.2.2. 확률분포함수 = 406
  B.2.3. 확률변수의 통계량 = 408
  B.2.4. 가우시안 분포함수 = 410
 B.3. 벡터 확률변수 = 412
  B.3.1. 랜덤벡터 = 412
  B.3.2. 랜덤벡터의 확률분포함수 = 412
  B.3.3. 랜덤벡터의 통계량 = 414
  B.3.4. 다변량 가우시안 분포함수 = 416 
INDEX = 419

관련분야 신착자료

딥노이드. 교육팀 (2021)
Patterson, Josh (2022)