人工智能：模式识别_图书

本书是"人工智能出版工程”系列图书之一。模式识别是人工智能的重要组成部分，本书简要介绍了模式识别的基本概念，以模式表示为切入点，针对近20年来模式识别领域研究的热点问题，系统阐述了线性子空间表示、非线性子空间表示、流形学习、稀疏表示、低秩模型、深度学习等方面的研究进展和相关代表性方法。本书可供高等院校人工智能、智能科学与技术、计算机及相关专业研究生或高年级本科生阅读，也可供对模式识别感兴趣的研究人员和工程技术人员阅读和参考。

作者

杨健，南京理工大学教授、博士生导师，现任南京理工大学计算机学院/人工智能学院院长，长期从事模式识别与计算机视觉、生物特征识别等方面的研究，主持完成国家自然科学基金重大研究计划重点项目、国家杰出青年科学基金项目、国家973课题等相关项目。2013年入选国家百千万人才工程并被授予“有突出贡献中青年专家”称号，以及入选2013D2014年度教育部长江学者特聘教授；2018年入选万人计划科技创新领军人才。他在IEEE Transactions及Pattern Recognition等国际权威SCI期刊和会议上发表论文200余篇，Google Scholar被引用20 000余次，单篇**被引4 000余次，2014D2020连续7年入选爱思唯尔(Elsevier)“中国高被引学者榜”。他现担任或曾担任国际学术期刊Pattern Recognition、IEEE Trans. on Neural Networks and Learning Systems、Pattern Recognition Letters、 Neurocomputing和EEE/CAA Journal of Automatica Sinica等编委。2016年入选国际模式识别学会会士（IAPR Fellow）。他曾获得国家自然科学二等奖（第二完成人）、省部级一等奖3项（其中第一完成人2项）、第十一届中国青年科技奖等奖项。

查看全部

内容简介

前言

第1章绪论

1.1 模式的基本概念

1.2 模式表示学习

1.3 模式分类

1.4 应用算例

参考文献

第2章线性子空间表示

2.1 主成分分析

2.2 线性鉴别分析

2.3 小样本情况下的线性鉴别分析

2.4 二维主成分分析

2.5 二维线性鉴别分析

2.6 应用算例

参考文献

第3章非线性子空间表示

3.1 核方法的基本思想

3.2 核主成分分析

3.3 核费希尔鉴别分析

3.4 完整的KFD算法(CKFD)

3.5 应用算例

参考文献

第4章流形学习

4.1 概述

4.2 非线性嵌入方法

4.3 特殊的黎曼流形

4.4 流形对齐

4.5 应用

参考文献

第5章稀疏表示

5.1 稀疏表示的基本算法

5.2 基于稀疏表示的特征抽取

5.3 基于稀疏表示的分类

5.4 稀疏表示的典型应用

参考文献

注释

第6章低秩模型

6.1 概述

6.2 与核范数有关的RPCA

6.3 与核范数有关的LRR

6.4 与核范数有关的RMR

6.5 应用

6.6 归纳与展望

参考文献

注释

第7章深度学习

7.1 概述

7.2 自编码器

7.3 卷积神经网络

7.4 递归神经网络

7.5 生成对抗网络

7.6 图卷积神经网络

7.7 应用

参考文献

查看全部

书评

请您登录后发表评论登录 | 注册

我的评分：

提交

0/400