Out of Print
패턴인식(2/e)
$39.69
SKU
9788990758569
본 상품은 품절 / 절판 등의 이유로 유통이 중단되어 주문이 불가합니다.
이용에 불편을 드려 죄송합니다.
[Free shipping over $100]
Standard Shipping estimated by Thu 05/23 - Wed 05/29 (주문일로부 10-14 영업일)
Express Shipping estimated by Mon 05/20 - Wed 05/22 (주문일로부 7-9 영업일)
* 안내되는 배송 완료 예상일은 유통사/배송사의 상황에 따라 예고 없이 변동될 수 있습니다.
| Publication Date | 2006/09/01 |
| Pages/Weight/Size | 257*188*40mm |
| ISBN | 9788990758569 |
| Categories | 대학교재 > 대학/사이버대학 |
Description
음성인식, 광학 글자인식, 영상처리, 또는 신호분석 등과 같은 다양한 응용 분야의 패턴 인식 시스템을 개발하고 탐구하는 실무자들은 가용할 수 있는 수많은 기법들을 추려내야 하는 당혹스러운 장면과 부딪히게 된다. 이 독특한 교재 및 참고서적은 오늘날의 패턴 인식의 주요 주제들에 관해 깊이 있고 체계적으로 설명함으로써 주어진 문제들의 해결을 위해 가장 적합한 정보를 제공하고 있다. 또한 이 개정판은 패턴의 분류와 최근의 눈부신 기술 변화에 초첨을 맞춤으로써, 4반세기가 넘도록 패턴 분야의 고전으로 평가받고 있는 전판을 더욱 실용적인 서적으로 변모시켰다. 이 책의 주요 특징은 다음과 같다.
- 고전적 방법들과 뉴럴 네트워크, 추계학적 방법, 유전자 알고리즘, 학습 이론을 포함하는 새로운 방법들 모두에 관한 명확한 설명
- 다양한 개념들을 강조해주는 350개가 넘는 예시들
- 많은 예제
- 패턴인식 알고리즘들의 의사 코드
- 본문에 맞춘 연습문제
- 본문과 연결된 컴퓨터 연습문제
- 구체적 패턴 인식 및 학습 기법들을 설명하기 위한 알고리즘들
- 각 장 끝의 역사적 논평 및 중요 참고문헌
- 필요한 수학적 배경을 설명하는 부록
- 고전적 방법들과 뉴럴 네트워크, 추계학적 방법, 유전자 알고리즘, 학습 이론을 포함하는 새로운 방법들 모두에 관한 명확한 설명
- 다양한 개념들을 강조해주는 350개가 넘는 예시들
- 많은 예제
- 패턴인식 알고리즘들의 의사 코드
- 본문에 맞춘 연습문제
- 본문과 연결된 컴퓨터 연습문제
- 구체적 패턴 인식 및 학습 기법들을 설명하기 위한 알고리즘들
- 각 장 끝의 역사적 논평 및 중요 참고문헌
- 필요한 수학적 배경을 설명하는 부록
Contents
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
정 / 200
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 데이타 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
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
정 / 200
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 데이타 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