HEA|  |02373nam  2200313   450 
005|  |20240617164127.9
010|  |▼a978-7-111-73526-7▼dCNY119.00
100|  |▼a20240617d2023    em y0chiy50      ea
101|1 |▼achi▼ceng
102|  |▼aCN▼b110000
105|  |▼aaf  a   000yy
106|  |▼ar
200|1 |▼a模式识别和机器学习基础▼Amo shi shi bie -
   |  |he ji qi xue xi ji chu▼f(美) 乌利-
   |  |塞斯·布拉加-内托著▼d= Fundamentals of -
   |  |pattern recognition and machin-
   |  |e learning▼fUlisses Braga-Neto-
   |  |▼g潘巍 ... [等] 译▼zeng
210|  |▼a北京▼c机械工业出版社▼d2023
215|  |▼a246页, [12] 页图版▼c图 (部分彩图)▼d26cm
225|2 |▼a智能科学与技术丛书▼Azhi neng ke xue y-
   |  |u ji shu cong shu
306|  |▼a由Springer授权出版
314|  |▼a乌利塞斯·布拉加一内托, 得克萨斯农工大学电气与计算机工-
   |  |程系教授。他的主要研究领域是模式识别、机器学习、统计信号处理-
   |  |及其在生物信息学和材料信息学中的应用。潘巍, 黑龙江科技大学-
   |  |计算机与信息工程学院副教授。主要研究方向为机器学习、模式识别-
   |  |、智慧农业等。欧阳建权, 湘潭大学计算机学院、网络空间安全学-
   |  |院教授、博导。主要研究方向为区块链、人工智能和信息安全。-
320|  |▼a有书目 (第235-246页)
330|  |▼a本书将模式识别任务按照监督学习和无监督学习两种方式进行组-
   |  |织。第1章讨论模式识别和机器学习的内在关系, 介绍了两者的基-
   |  |础知识和模式识别的设计过程。第2章和第3章介绍了zui优化的-
   |  |和常规的基于实例的分类问题。第4-6章检验了参数的、非参数的-
   |  |和函数逼近的分类规则。之后在第7章和第8章就分类的误差估计和-
   |  |模型选择对分类模型的性能进行讨论。第9章介绍了能够提高分类模-
   |  |型的性能并减少存储空间的降维技术。第10章和第11章分别介绍-
   |  |了聚类分析技术和回归模型。
410| 0|▼12001 ▼a智能科学与技术丛书
500|10|▼aFundamentals of pattern reco-
   |  |gnition and machine learning▼mChinese
606|0 |▼a模式识别▼Amo shi shi bie
606|0 |▼a机器学习▼Aji qi xue xi
690|  |▼aTP391.4▼v5
690|  |▼aTP181▼v5
701| 1|▼a布拉加-内托▼Abu la jia -nei tuo▼g-
   |  |(Braga-Neto, Ulisses)▼4著
702| 0|▼a潘巍▼Apan wei▼4译
801| 0|▼aCN▼b801001▼c20240617