Для доступа к данной книге необходима авторизация

Логин: пароль Запрос доступа

Введение в статистическую теорию распознавания образов

  

Введение в статистическую теорию распознавания образов. Фукунага К.: Пер. с англ.—М.: Наука. Главная редакция физико-математической литературы, 1979, - 368 с.

Книга посвящена одной из бурно развивающихся областей кибернетики — теории распознавания образов в ее статистическом аспекте.

С единых позиций теории распознавания образов рассматриваются основные вопросы статистических решений: проверка простых и сложных гипотез, линейные классификаторы, оценивание параметров, оценивание плотности вероятности, последовательное оценивание параметров, выбор информативных признаков и линейное преобразование пространства для случая одного распределения, выбор информативных признаков и линейное преобразование пространства в случае многих распределений, нелинейное преобразование исходного пространства, двумерные отображении, автоматическая классификация объектов и др.

Книга предназначена для специалистов в области кибернетики, математической статистики, прикладной математики.



Оглавление

ОТ РЕДАКТОРА ПЕРЕВОДА
Глава 1. ВВЕДЕНИЕ
§ 1.1. Формулировка задачи распознавания образов
§ 1.2. Обзор содержания книги по главам
Глава 2. СЛУЧАЙНЫЕ ВЕКТОРЫ И ИХ СВОЙСТВА
§ 2.1. Случайные векторы и их распределение
2.1.2. Условные плотности вероятности.
2.1.3. Параметры распределения.
2.1.4. Некоррелированные, ортогональные, независимые случайные векторы.
§ 2.2. Свойства распределений
2.2.1. Характеристические функции.
2.2.2. Нормальные распределения.
2.2.3. Стохастическая сходимость.
§ 2.3. Преобразование случайных векторов
2.3.2. Линейное преобразование.
2.3.3. Ортонормированное преобразование.
2.3.4. Декоррелирующее преобразование.
2.3.5. Одновременная диагонализация двух матриц.
§ 2.4. Свойства собственных значений и собственных векторов
2.4.2. Положительная определенность.
2.4.3. След матрицы.
2.4.4. Определитель и ранг матрицы.
2.4.5. Обращение матриц.
2.4.6. Теория возмущений.
ЗАДАНИЕ НА СОСТАВЛЕНИЕ ПРОГРАММ
Глава 3. ПРОВЕРКА ГИПОТЕЗ
§ 3.1. Проверка простых гипотез
3.1.2. Байесовское решающее правило, минимизирующее функцию риска.
3.1.3. Критерий Неймана — Пирсона.
3.1.4. Минимаксный критерий.
§ 3.2. Вероятность ошибки при проверке гипотез
3.2.2. Независимые случайные величины.
3.2.3. Вероятность ошибки для нормальных случайных векторов X.
§ 3.3. Верхние границы вероятности ошибки
3.3.2. Выражения для верхних границ в случае нормальных распределений.
§ 3.4. Другие критерии проверки гипотез
3.4.2. Критерий проверки сложных гипотез.
§ 3.5. Последовательная проверка гипотез
3.5.1. Последовательный критерий Вальда.
3.5.2. Реализация последовательного критерия Вальда.
3.5.3. Байесовский последовательный критерий.
ЗАДАНИЕ НА СОСТАВЛЕНИЕ ПРОГРАММ
Глава 4. ЛИНЕЙНЫЕ КЛАССИФИКАТОРЫ
§ 4.1. Байесовский линейный классификатор
§ 4.2. Линейная разделяющая функция, минимизирующая вероятность ошибки решения
4.2.1. Линейная разделяющая функция, минимизирующая вероятность ошибки.
4.2.2. Обобщенная формула для различных критериев.
§ 4.3. Линейная разделяющая функция, минимизирующая среднеквадратичную ошибку решения
4.3.2. Совместная нормировка смеси в случае нормальных распределений.
§ 4.4. Требуемый выход и среднеквадратичная ошибка решения
4.4.2. Доказательство сходимости для случая линейной разделимости классов.
§ 4.5. Другие разделяющие функции
4.5.1. Линейные разделяющие функции для бинарных входов.
4.5.2. Кусочно-линейные разделяющие функции.
4.5.3. Обобщенные линейные разделяющие функции.
ЗАДАНИЕ НА СОСТАВЛЕНИЕ ПРОГРАММ
Глава 5. ОЦЕНИВАНИЕ ПАРАМЕТРОВ
§ 5.1. Оценивание неслучайных параметров
5.1.2. Оценки моментов.
5.1.3. Оценка максимального правдоподобия.
5.1.4. Достаточная оценка.
§ 5.2. Оценивание случайных параметров
5.2.3. Оценка, минимизирующая среднеквадратичную ошибку.
5.2.4. Выпуклые и симметричные функции штрафа.
§ 5.3. Интервальное оценивание
5.3.2. Порядковые статистики.
5.3.3. Толерантные пределы для распределений.
§ 5.4. Оценивание вероятности ошибки
5.4.2. Оценка вероятности ошибки, когда классификатор заранее не задан.
5.4.3. Метод разбиения выборки.
5.4.4. Метод исключения одного объекта в случае нормальных распределений.
ПРИЛОЖЕНИЕ 5.1. Вычисление систематической ошибки между С-методом и методом исключения одного объекта
ЗАДАНИЕ НА СОСТАВЛЕНИЕ ПРОГРАММ
Глава 6. ОЦЕНИВАНИЕ ПЛОТНОСТИ ВЕРОЯТНОСТИ
§ 6.1. Оценка Парзена
6.1.2. Доказательство асимптотической несмещенности и состоятельности.
6.1.3. Равномерная сходимость и оценивание моды.
6.1.4. Обобщение на случай многомерной плотности вероятности.
§ 6.2. Метод k ближайших соседей
6.2.2. Решающее правило, основанное на методе k ближайших соседей.
6.2.3. Обобщение на случай нескольких классов.
6.2.4. Модифицированное правило k ближайших соседей.
§ 6.3. Метод гистограмм
§ 6.4. Разложение по базисным функциям
6.4.2. Плотность вероятности в случае двоичных переменных.
ЗАДАНИЕ НА СОСТАВЛЕНИЕ ПРОГРАММ
Глава 7. ПОСЛЕДОВАТЕЛЬНОЕ ОЦЕНИВАНИЕ ПАРАМЕТРОВ
§ 7.1. Последовательная корректировка линейного классификатора
7.1.1. Линейный классификатор для задач распознавания двух классов.
7.1.2. Доказательство сходимости для случая линейной разделимости классов.
7.1.3. Линейный классификатор для задач распознавания со многими классами.
§ 7.2. Стохастическая аппроксимация
7.2.1. Задача нахождения корня уравнения регрессии.
7.2.2. Доказательство сходимости метода Роббинса — Монро
7.2.3. Задача поиска максимума функции регрессии.
7.2.4. Обобщение на многомерный случай.
7.2.5. Метед потенциальных функций.
7.2.6. Ускорение сходимости.
§ 7.3. Последовательное байесовское оценивание
ЗАДАНИЕ НА СОСТАВЛЕНИЕ ПРОГРАММ
Глава 8. ВЫБОР ПРИЗНАКОВ И ЛИНЕЙНОЕ ПРЕОБРАЗОВАНИЕ ПРОСТРАНСТВА ДЛЯ СЛУЧАЯ ОДНОГО РАСПРЕДЕЛЕНИЯ
§ 8.1. Дискретное разложение Карунена — Лоева
8.1.2. Проблема нормализации.
§ 8.2. Другие критерии для случая одного распределения
8.2.2. Энтропия совокупности.
8.2.3. Общие замечания, относящиеся к выбору признаков в случае одного распределения.
§ 8.3. Разложение Карунена — Лоева для случайных процессов
8.3.2. Стационарный процесс.
§ 8.4. Оценивание собственных значений и собственных векторов
8.4.1. Определение размерности.
8.4.2. Оценивание собственных значений и собственных векторов.
8.4.3. Доминирующие собственные значения.
ПРИЛОЖЕНИЕ 8.2. Ускоренное вычисление собственных значений и собственных векторов
ЗАДАНИЕ НА СОСТАВЛЕНИЕ ПРОГРАММ
Глава 9. ВЫБОР ПРИЗНАКОВ И ЛИНЕЙНОЕ ПРЕОБРАЗОВАНИЕ ПРОСТРАНСТВА В СЛУЧАЕ МНОГИХ РАСПРЕДЕЛЕНИЙ
§ 9.1. Общие свойства разделимости классов
§ 9.2. Дискриминантный анализ
9.2.2. Выбор признаков, максимизирующих критерий J1
9.2.3. Выбор признаков, максимизирующих критерий J2
9.2.4. Выбор признаков, максимизирующих критерий J3
9.2.5. Выбор признаков, максимизирующих критерий J4
9.2.6. Обобщение на случай многих классов.
§ 9.3. Граница Чернова и расстояние Бхатачария
9.3.2. Выбор признаков для нормальных распределений.
9.3.3. Верхняя граница для распределений, отличных от нормального.
9.3.4. Случай многих классов.
§ 9.4. Дивергенция
ЗАДАНИЕ НА СОСТАВЛЕНИЕ ПРОГРАММ
Глава 10. НЕЛИНЕЙНОЕ ПРЕОБРАЗОВАНИЕ ИСХОДНОГО ПРОСТРАНСТВА
10.1.1. Локальные свойства распределения.
10.1.2. Неитеративный алгоритм.
10.1.3. Итеративный алгоритм.
§ 10.2. Улучшение разделимости с помощью нелинейного преобразования
10.2.1. Улучшение разделимости, сохранение структуры, расстояния между объектами выборки.
10.2.2. Неитеративный алгоритм.
§ 10.3. Двумерные отображения
10.3.2. Расстояние до двух фиксированных точек.
ЗАДАНИЕ НА СОСТАВЛЕНИЕ ПРОГРАММ
Глава 11. АВТОМАТИЧЕСКАЯ КЛАССИФИКАЦИЯ
§ 11.1. Алгоритм автоматической классификации
11.1.2. Определение числа классов.
§ 11.2. Параметрические критерии качества классификации
11.2.2. Сходимость процедуры, основанной на правиле ближайшего среднего.
§ 11.3. Иепараметрические критерии качества классификации
11.3.2. Непараметрический алгоритм автоматической классификации.
11.3.3. Асимптотические свойства процедуры.
§ 11.4. Другие процедуры автоматической классификации
11.4.2. Иерархическая классификация.
11.4.3. Классификация в режиме диалога.
ЗАДАНИЕ НА СОСТАВЛЕНИЕ ПРОГРАММ
ЛИТЕРАТУРА