패턴인식
$37.42
SKU
9791192373140
[Free shipping over $100]
Standard Shipping estimated by Wed 05/29 - Tue 06/4 (주문일로부 10-14 영업일)
Express Shipping estimated by Fri 05/24 - Tue 05/28 (주문일로부 7-9 영업일)
* 안내되는 배송 완료 예상일은 유통사/배송사의 상황에 따라 예고 없이 변동될 수 있습니다.
| Publication Date | 2023/02/15 |
| Pages/Weight/Size | 188*257*30mm |
| ISBN | 9791192373140 |
| Categories | IT 모바일 > 컴퓨터 공학 |
Description
본서는 인간의 패턴인식 과정을 컴퓨터로 흉내내는 학문 분야인 패턴인식을 '이야기' 방식으로 서술하여 재미를 더한 학습서이다. 먼저 '왜?'를 말한 다음, 상식으로 이해할 수 있는 수준의 배경과 개념을 제시하였다. 이어 개념 수준의 공식화가 이루어지고, 본격적인 수식 전개와 알고리즘을 설명한다. 마무리로 알고리즘의 성질과 구현을 위한 요령을 설명하는 기승전결의 구조를 통해 패턴인식을 소개하고 있다.
〈패턴인식〉(개정판)은 총 12개의 장으로 구성하였다. 1장은 패턴인식을 소개하고, 2~7장은 분류, 그리고 8~9장은 특징을 다룬다. 10장은 군집화를 설명하고, 11장은 최적화 문제를 푸는데 사용하는 도구를 설명한다. 마지막으로 12장에서는 혼성 모델을 공부한다. 부록에서는 정보 이론을 간략히 다루었다.
〈패턴인식〉(개정판)은 총 12개의 장으로 구성하였다. 1장은 패턴인식을 소개하고, 2~7장은 분류, 그리고 8~9장은 특징을 다룬다. 10장은 군집화를 설명하고, 11장은 최적화 문제를 푸는데 사용하는 도구를 설명한다. 마지막으로 12장에서는 혼성 모델을 공부한다. 부록에서는 정보 이론을 간략히 다루었다.
Contents
Chapter 01 소개
1.1 왜 패턴인식인가?
1.2 어떻게 인식하나?
1.3 시스템 설계
1.4 수학
1.5 자원
Chapter 02 베이시언 결정 이론
2.1 확률과 통계
2.2 베이시언 분류기
2.3 분별 함수
2.4 정규 분포에서 베이시언 분류기
2.5 베이시언 분류의 특성
2.6 기각 처리
Chapter 03 확률 분포 추정
3.1 히스토그램 추정
3.2 최대 우도
3.3 비모수적 방법
3.4 혼합 모델
Chapter 04 신경망
4.1 소개
4.2 퍼셉트론
4.3 다층 퍼셉트론
Chapter 05 SVM
5.1 발상
5.2 선형 SVM
5.3 비선형 SVM
5.4 구현
5.5 SVM의 특성
Chapter 06 질적 분류
6.1 결정 트리
6.2 CART, ID3, 그리고 C4.5
6.3 스트링 인식기
Chapter 07 순차 데이터의 인식
7.1 순차 데이터
7.2 마르코프 모델
7.3 은닉 마르코프 모델로의 발전
7.4 알고리즘
7.5 부연 설명
Chapter 08 특징 추출
8.1 특징 생성의 틀
8.2 영역에서 특징 추출
8.3 변환을 이용한 특징
8.4 시계열 신호에서의 특징 추출
8.5 주성분 분석
8.6 피셔의 선형 분별
8.7 실용적 관점
Chapter 09 특징 선택
9.1 특징의 분별력
9.2 특징 선택 문제의 이해
9.3 전역 탐색 알고리즘
9.4 순차 탐색 알고리즘
9.5 스톡캐스틱 탐색 연산을 가진 알고리즘
Chapter 10 군집화
10.1 정의
10.2 거리와 유사도
10.3 군집화 알고리즘의 분류
10.4 계층 군집화
10.5 분할 군집화
10.6 신경망
10.7 스토캐스틱 탐색
Chapter 11 최적화 알고리즘
11.1 패턴인식의 최적화 문제와 풀이
11.2 미분을 이용한 방법
11.3 시뮬레이티드 어닐링
11.4 유전 알고리즘
11.5 메타 휴리스틱
Chapter 12 혼성 모델
12.1 알고리즘의 성능 특성
12.2 재샘플링에 의한 성능 평가
12.3 혼성 모델의 발상
12.4 앙상블 생성
12.5 앙상블 결합
12.6 앙상블 선택
12.7 알고리즘을 바라보는 관점
부록A 정보이론
1.1 왜 패턴인식인가?
1.2 어떻게 인식하나?
1.3 시스템 설계
1.4 수학
1.5 자원
Chapter 02 베이시언 결정 이론
2.1 확률과 통계
2.2 베이시언 분류기
2.3 분별 함수
2.4 정규 분포에서 베이시언 분류기
2.5 베이시언 분류의 특성
2.6 기각 처리
Chapter 03 확률 분포 추정
3.1 히스토그램 추정
3.2 최대 우도
3.3 비모수적 방법
3.4 혼합 모델
Chapter 04 신경망
4.1 소개
4.2 퍼셉트론
4.3 다층 퍼셉트론
Chapter 05 SVM
5.1 발상
5.2 선형 SVM
5.3 비선형 SVM
5.4 구현
5.5 SVM의 특성
Chapter 06 질적 분류
6.1 결정 트리
6.2 CART, ID3, 그리고 C4.5
6.3 스트링 인식기
Chapter 07 순차 데이터의 인식
7.1 순차 데이터
7.2 마르코프 모델
7.3 은닉 마르코프 모델로의 발전
7.4 알고리즘
7.5 부연 설명
Chapter 08 특징 추출
8.1 특징 생성의 틀
8.2 영역에서 특징 추출
8.3 변환을 이용한 특징
8.4 시계열 신호에서의 특징 추출
8.5 주성분 분석
8.6 피셔의 선형 분별
8.7 실용적 관점
Chapter 09 특징 선택
9.1 특징의 분별력
9.2 특징 선택 문제의 이해
9.3 전역 탐색 알고리즘
9.4 순차 탐색 알고리즘
9.5 스톡캐스틱 탐색 연산을 가진 알고리즘
Chapter 10 군집화
10.1 정의
10.2 거리와 유사도
10.3 군집화 알고리즘의 분류
10.4 계층 군집화
10.5 분할 군집화
10.6 신경망
10.7 스토캐스틱 탐색
Chapter 11 최적화 알고리즘
11.1 패턴인식의 최적화 문제와 풀이
11.2 미분을 이용한 방법
11.3 시뮬레이티드 어닐링
11.4 유전 알고리즘
11.5 메타 휴리스틱
Chapter 12 혼성 모델
12.1 알고리즘의 성능 특성
12.2 재샘플링에 의한 성능 평가
12.3 혼성 모델의 발상
12.4 앙상블 생성
12.5 앙상블 결합
12.6 앙상블 선택
12.7 알고리즘을 바라보는 관점
부록A 정보이론