دانلود کتاب Statistical Pattern Recognition

ترجمه فارسی توضیحات (ترجمه ماشینی)

تشخیص الگوی آماری

تشخیص الگوی آماری یک حوزه مطالعاتی و تحقیقاتی بسیار فعال است که در سال‌های اخیر پیشرفت‌های زیادی داشته است. برنامه های کاربردی جدید و در حال ظهور – مانند داده کاوی، جستجوی وب، بازیابی داده های چند رسانه ای، تشخیص چهره، و تشخیص دست خط شکسته – به تکنیک های قوی و کارآمد تشخیص الگو نیاز دارند. تصمیم گیری و برآورد آماری برای مطالعه تشخیص الگوی اساسی در نظر گرفته می شود.

تشخیص الگوی آماری، ویرایش دوم به طور کامل با روش ها، برنامه ها و مراجع جدید به روز شده است. این یک مقدمه جامع برای این منطقه پر جنب و جوش – با مطالبی که از مهندسی، آمار، علوم کامپیوتر و علوم اجتماعی گرفته شده است – ارائه می دهد و بسیاری از زمینه های کاربردی مانند طراحی پایگاه داده، شبکه های عصبی مصنوعی و سیستم های پشتیبانی تصمیم را پوشش می دهد.

* مقدمه ای مستقل برای تشخیص الگوی آماری ارائه می دهد. * هر تکنیک توصیف شده با مثال های واقعی نشان داده شده است. * روش‌های بیزی، شبکه‌های عصبی، ماشین‌های بردار پشتیبان و طبقه‌بندی بدون نظارت را پوشش می‌دهد. * هر بخش با توضیحی از کاربردهایی که به آنها پرداخته شده و با پیشرفت های بیشتر تئوری به پایان می رسد. * شامل مطالب پس زمینه در مورد عدم تشابه، تخمین پارامتر، داده ها، جبر خطی و احتمال است. * دارای تمرین‌های مختلف، از سؤالات «کتاب باز» تا پروژه‌های طولانی‌تر.

هدف اصلی این کتاب برای دانشجویان ارشد و کارشناسی ارشد است که در زمینه تشخیص الگوی آماری، پردازش الگو، شبکه‌های عصبی و داده‌کاوی، هم در بخش آمار و هم در بخش مهندسی مطالعه می‌کنند. همچنین یک منبع مرجع عالی برای متخصصان فنی است که در محیط های توسعه اطلاعات پیشرفته کار می کنند.

Statistical Pattern Recognition

Statistical pattern recognition is a very active area of study and research, which has seen many advances in recent years. New and emerging applications – such as data mining, web searching, multimedia data retrieval, face recognition, and cursive handwriting recognition – require robust and efficient pattern recognition techniques. Statistical decision making and estimation are regarded as fundamental to the study of pattern recognition.

Statistical Pattern Recognition, Second Edition has been fully updated with new methods, applications and references. It provides a comprehensive introduction to this vibrant area – with material drawn from engineering, statistics, computer science and the social sciences – and covers many application areas, such as database design, artificial neural networks, and decision support systems.

* Provides a self-contained introduction to statistical pattern recognition. * Each technique described is illustrated by real examples. * Covers Bayesian methods, neural networks, support vector machines, and unsupervised classification. * Each section concludes with a description of the applications that have been addressed and with further developments of the theory. * Includes background material on dissimilarity, parameter estimation, data, linear algebra and probability. * Features a variety of exercises, from ‘open-book’ questions to more lengthy projects.

The book is aimed primarily at senior undergraduate and graduate students studying statistical pattern recognition, pattern processing, neural networks, and data mining, in both statistics and engineering departments. It is also an excellent source of reference for technical professionals working in advanced information development environments.