返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 正版新书]模式识别与人工智能(基于Python)编者:徐宏伟//周润景/
  • 全店均为全新正版书籍,欢迎选购!新疆西藏青海(可包挂刷).港澳台及海外地区bu bao快递
    • 作者: 编者:徐宏伟//周润景//孙伟霞//杜鑫//姜杰|著 | 编者:徐宏伟//周润景//孙伟霞//杜鑫//姜杰|编 | 编者:徐宏伟//周润景//孙伟霞//杜鑫//姜杰|译 | 编者:徐宏伟//周润景//孙伟霞//杜鑫//姜杰|绘
    • 出版社: 清华大学音像出版社
    • 出版时间:2025-05-01
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    君凤文轩图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 编者:徐宏伟//周润景//孙伟霞//杜鑫//姜杰|著| 编者:徐宏伟//周润景//孙伟霞//杜鑫//姜杰|编| 编者:徐宏伟//周润景//孙伟霞//杜鑫//姜杰|译| 编者:徐宏伟//周润景//孙伟霞//杜鑫//姜杰|绘
    • 出版社:清华大学音像出版社
    • 出版时间:2025-05-01
    • 版次:1
    • 印次:1
    • 印刷时间:2025-05-01
    • 页数:336
    • 开本:16开
    • ISBN:9787302688051
    • 版权提供:清华大学音像出版社
  • 作者: 编者:徐宏伟//周润景//孙伟霞//杜鑫//姜杰|
  • 著: 编者:徐宏伟//周润景//孙伟霞//杜鑫//姜杰| 译
  • 装帧: 暂无
  • 印次: 1
  • 定价: 89
  • ISBN: 9787302688051
  • 出版社: 清华大学
  • 开本: 16开
  • 印刷时间: 2025-05-01
  • 语种: 暂无
  • 出版时间: 2025-05-01
  • 页数: 336
  • 外部编号: 庄村57028
  • 版次: 1
  • 成品尺寸: 暂无
  • 第1章 模式识别概述
    1.1 模式识别的基本概念
    1.1.1 模式的描述方法
    1.1.2 模式识别系统
    1.2 模式识别的基本方法
    1.3 模式识别的应用
    习题
    第2章 贝叶斯分类器设计
    2.1 贝叶斯决策及贝叶斯公式
    2.1.1 贝叶斯决策
    2.1.2 贝叶斯公式
    2.2 基于最小错误率的贝叶斯决策
    2.2.1 基于最小错误率的贝叶斯决策理论
    2.2.2 最小错误率贝叶斯分类的计算过程
    2.2.3 最小错误率贝叶斯分类的Python实现
    2.2.4 结论
    2.3 最小风险贝叶斯决策
    2.3.1 最小风险贝叶斯决策理论
    2.3.2 最小错误率与最小风险贝叶斯决策的比较
    2.3.3 贝叶斯算法的计算过程
    2.3.4 最小风险贝叶斯分类的Python实现
    2.3.5 结论
    习题
    第3章 判别函数分类器设计
    3.1 判别函数简介
    3.2 线性判别函数
    3.3 线性判别函数的实现
    3.4 基于LMSE的分类器设计
    3.4.1 LMSE分类法简介
    3.4.2 LMSE算法的原理
    3.4.3 LMSE算法的步骤
    3.4.4 LMSE算法的Python实现
    3.4.5 结论
    3.5 基于Fisher的分类器设计
    3.5.1 Fisher判别法简介
    3.5.2 Fisher分类器设计
    3.5.3 Fisher算法的Python实现
    3.5.4 识别待测样本类别
    3.5.5 结论
    3.6 基于支持向量机的分类法
    3.6.1 支持向量机的基本思想
    3.6.2 支持向量机的主要优点
    3.6.3 训练集为非线性情况
    3.6.4 核函数
    3.6.5 多类分类问题
    3.6.6 基于SVM的Python实现
    3.6.7 结论
    习题
    第4章 聚类分析
    4.1 聚类分析简介
    4.1.1 聚类的定义
    4.1.2 聚类准则
    4.1.3 基于试探法的聚类设计
    4.2 数据聚类——K均值聚类
    4.2.1 K均值聚类简介
    4.2.2 K均值聚类算法的优缺点
    4.2.3 K均值聚类算法的Python实现
    4.2.4 待聚类样本的分类结果
    4.2.5 结论
    4.3 数据聚类——基于取样思想的K均值算法的改进
    4.3.1 K均值算法的改进
    4.3.2 基于取样思想的改进K均值聚类算法的Python实现
    4.3.3 结论
    4.4 数据聚类——K近邻法聚类
    ……
    第5章 模糊聚类分析
    第6章 神经网络聚类设计
    第7章 模拟退火算法聚类设计
    第8章 遗传算法聚类设计
    第9章 蚁群算法聚类设计
    第10章 粒子群算法聚类设计
    参考文献

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购