机读格式显示(MARC)

• 000 02293nam 2200385 450

• 001 0000368415

• 005 20240925154700.0

• 010 __ |a 978-7-111-73526-7 |d CNY119.00

• 092 __ |b CIP-38377AFD3A6C4E878517F22B7698E8BB

• 100 __ |a 20231114d2023 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a af a 000yy

• 106 __ |a r

• 200 1_ |a 模式识别和机器学习基础 |A mo 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 machine learning |f Ulisses Braga-Neto |g 潘巍 ... [等] 译 |z eng

• 210 __ |a 北京 |c 机械工业出版社 |d 2023.7

• 215 __ |a 246页, [12] 页图版 |c 图 (部分彩图) |d 26cm

• 225 2_ |a 智能科学与技术丛书 |A zhi neng ke xue yu ji shu cong shu

• 304 __ |a 题名页题: 潘巍, 欧阳建权, 刘莹, 赵地, 苏统华译

• 314 __ |a 乌利塞斯·布拉加-内托 (Ulisses Braga-Neto) 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章介绍了最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。

• 333 __ |a 本书适合相关专业高年级本科生和研究生, 以及该领域的从业人员阅读

• 410 _0 |1 2001 |a 智能科学与技术丛书

• 500 10 |a Fundamentals of pattern recognition and machine learning |A Fundamentals Of Pattern Recognition And Machine Learning |m Chinese

• 606 0_ |a 模式识别 |A mo shi shi bie

• 606 0_ |a 机器学习 |A ji qi xue xi

• 690 __ |a TP391.4 |v 5

• 690 __ |a TP181 |v 5

• 701 _1 |a 布拉加-内托 |A bu la jia -nei tuo |g (Braga-Neto, Ulisses) |4 著

• 702 _0 |a 潘巍 |A pan wei |4 译

• 702 _0 |a 欧阳建权 |A ou yang jian quan |4 译

• 702 _0 |a 刘莹 |A liu ying |4 译

• 801 _0 |a CN |b 湖北三新 |c 20231114

• 905 __ |a GDPTC |d TP391.4/132