IT CookBook, 패턴인식 개론(개정판)
- 저자 : 한학용
- 출간 : 2009-08-25
- 페이지 : 572 쪽
- ISBN : 9788979146325
- 물류코드 :1632
- 구판정보 :이 도서는 <IT CookBook, 패턴인식 개론: MATLAB 실습을 통한 입체적 학습>의 개정판입니다. 구판 정보 보기
- 개정판정보 :개정판이 새로 출간되었습니다. 개정판 보기
-
초급 초중급 중급 중고급 고급
본 도서는 대학 강의용 교재로 개발되었으므로 연습문제 해답은 제공하지 않습니다.
0점 (0명)
좋아요 : 17
기초 수학 지식부터 패턴인식의 핵심 알고리즘에 이르는 체계적인 접근
이 책은 패턴인식, 인공지능, 데이터 마이닝에 관심이 많은 전기/전자/컴퓨터 관련학과의 대학원생이나 연구원을 대상으로 한다. 패턴인식을 이해하기 위한 필수 지식인 선형대수학, 확률, 통계의 기초 지식부터 패턴인식의 핵심적인 알고리즘 전반을 설명하며, 일부 알고리즘은 MATLAB을 이용하여 프로그래밍하고 시뮬레이션해봄으로써 이론을 입체적으로 이해할 수 있게 했다.
- 1장 : 패턴 정의 | 패턴인식시스템의설계사이클 | 패턴인식알고리즘성능평가 | 접근법과응용분야
- 2~3장 : 벡터의주요개념 | 행렬식의이해 | 기초통계용어 | 회귀분석 | 전체확률이론
- 4~6장 : 확률변수와 분포 | 통계적결정이론 | 최우추정법에 의한 확률밀도함수 추정 | 선형·이차분류기
- 7~8장 : 벡터양자화와클러스터링 | k-means·EM·LBG 알고리즘 | 가우시안혼합모델
- 9장 : 비모수밀도추정 | 히스토그램 | Parzen 창·k-NNR·스무드커널을이용한밀도 추정
- 10~12장 : 고유벡터와고유값 | 주성분분석 | KL 변환 | PCA를이용한얼굴인식 | 선형판별분석법(LDA), 결정트리학습알고리즘(ID3)
- 13~15장 : 신경망의발전역사 | 헤브·LMS 학습규칙 | 자기 조직화 특징 지도 | SOFM 학습 과정 | SOFM을이용한음성인식 | 유전·진화·정상 상태유전알고리즘
- 16~17장 : 1·2차원동적계획법 | DTW 알고리즘 | 은닉마르코프모델 | 전향·후향 알고리즘 | 비터비·바움-웰치재추정알고리즘
- 18~19장 : 선형·비선형SVM 학습 | 마진 최대화 조건식 | 하알 유사 특징 | AdaBoost 알고리즘 적용
Chapter 01 | 패턴인식의 개요 01 인공지능의 가능성에 대한 철학적 논쟁 02 패턴인식의 정의 03 특징과 패턴 04 패턴인식 시스템의 구성 요소와 설계 사이클 05 패턴인식의 유형과 분류기 06 패턴인식 알고리즘의 성능 평가 07 패턴인식 접근법과 관련 응용 분야 08 패턴인식의 응용 예 Chapter 02 선형 대수학 : 벡터와 행렬 01 벡터 이론 02 행렬 대수 03_행렬의 트레이스 04_행렬의 계수 05_행렬식 06_역행렬 07_고유값과 고유벡터 08_유사변환과 행렬의 대각화 09_2차 형식 10_SVD: 특이값 재구성 1 1 _선형 변환 Chapter 03 기초 통계와 확률 이론 01 기초 통계 02 확률 이론 Chapter 04 확률변수와 확률분포 01 확률변수 02 확률분포 03 확률함수의 종류 04 벡터 랜덤변수 05 랜덤 벡터의 통계적 특징 06 공분산 행렬 07 가우시안 분포 08 MATLAB 실습 Chapter 05 통계적 결정이론과 확률밀도함수의 추정 01 우도비 검증 02 오류확률 03 베이즈 위험 04 LRT 결정규칙의 변형 05 다중 클래스에 대한 결정규칙 06 판별함수 07 최우추정법에 의한 확률밀도함수의 추정 08 MATLAB 실습 Chapter 06 선형 분류기와 이차 분류기 01 선형 분류기 02 이차 분류기 Chapter 07 데이터 마이닝의 시작: 백터 양자화와 클러스터링 01 교사와 비교사 학습 02 비교사 학습의 두 가지 접근법 03 벡터 양자화와 클러스터링 04 최적화 규준 05 k-means 알고리즘과 EM 알고리즘 06 비균일 이진 분할 07 k-means와 이진 분할의 비교와 개선: LBG 알고리즘 08 MATLAB 실습 Chapter 08 견고한 확률 모델 : 가우시안 혼합 모델(GMM) 01 가우시안 혼합 모델 02 GMM의 학습 : EM 알고리즘 03 EM 알고리즘의 필요성 04 EM 알고리즘의 일반화 05 EM 알고리즘과 k-means 클러스터링 알고리즘 06 MATLAB 실습 Chapter 09 비모수 밀도 추정법 01 비모수 밀도 추정 02 히스토그램 03 커널 밀도 추정 04 Parzen 창에 의한 커널 밀도 추정 05 스무드 커널을 이용한 커널 밀도 추정 06 k-NNR을 이용한 밀도 추정 07 비모수 밀도 추정을 이용한 패턴인식 08 MATLAB 실습 Chapter 10 주성분 분석법(PCA)과 KL 변환 01 차원의 저주 02 고유벡터와 고유값 03 주성분 분석 04 KL 변환 05 PCA를 이용한 얼굴 인식 06 MATLAB 실습 Chapter 11 선형 판별 분석법: LDA 01 선형 판별 분석법과 피셔의 선형 판별식 02 2진 분류에 적용된 LDA 03 C-클래스 분류에 적용된 LDA 04 LDA의 두 가지 접근법과 한계 05 MATLAB 실습 Chapter 12 결정 트리 학습 알고리즘 : ID3 01 결정 트리 02 ID3: 결정 트리 학습 알고리즘 03 엔트로피와 정보 이득 04 ID3을 이용한 결정 트리 구축과 분류 05 MATLAB 실습 Chapter 13 신경 세포 모델링:인공 신경망 01 신경세포의 모델링과 신경망의 태동 : McCulloch and Pitts(1943) 02 헤브의 학습 규칙 : Hebb(1949) 03 신경망의 번성과 퍼셉트론 : Rosenblatt(1958) 04 LMS 학습 규칙 : Widrow and Hoff(1960) 05 신경망의 암흑기 : Minsky and Papert(1969) 06 신경망의 부활과 역전파 알고리즘 : Rumelhart, Hinton and Williams(1986) 07 패턴인식과 신경망의 구조 08 MATLAB 실습 Chapter 14 뇌영역 모델링 : 자기 조직화 특징 지도 01 자기 조직화 특징 지도 02 SOFM의 학습 과정과 장점 03 학습 절차와 사용되는 함수들 04 2차원 지도의 자기 조직화 05 2차원 데이터 분포를 대표하는 1차원 체인 형성 자기 조직화 06 SOFM을 이용한 음성인식 07 MATLAB 실습 Chapter 15 기발한 최적화 방법:유전 알고리즘 01 최적화 문제와 유전 알고리즘 개요 02 유전 알고리즘의 특징 03 유전 알고리즘과 진화 알고리즘 04 유전 알고리즘의 구성 요소 05 유전 연산자 06 적합도 함수 07 정상 상태 유전 알고리즘(SSGA) 08 순회 판매원 문제에 적용된 유전 알고리즘 09 MATLAB 실습o388 Chapter 16 시계열 패턴인식의 시작:동적 계획법과 DTW 01 정적 패턴과 동적 패턴 02 동적 계획법 03 예제를 통한 동적 계획법의 이해 04 DTW 알고리즘 05 MATLAB 실습 Chapter 17 음성인식의 기수:은닉 마르코프 모델(HMM) 01 확률 행렬과 마르코프 연쇄 02 마르코프 가정, 마르코프 모델, 마르코프 과정 03 은닉 마르코프 모델 04 HMM의 3가지 문제와 해법 05 확률 평가 문제와 해법 06 최적 상태열 문제와 해법 07 파라미터 추정의 문제와 해법 08 MATLAB 실습 Chapter 18 최적 분류를 향한 끝없는 도전:SVM 01 SVM 소개 02 최적 분류 초평면 03 최대 마진의 수식화 04 라그랑제 승수를 이용한 비선형 계획법 05 선형 SVM의 학습 06 마진 최대화 조건식 07 Support Vector 전개와 판별함수 08 비선형 SVM 09 커널 트릭 10 MATLAB 실습 Chapter 19 집약도강(集弱導强) 알고리즘:AdaBoost 01 Boosting 소개 02 AdaBoost 알고리즘 03 AdaBoost 적용 사례 : 얼굴 검출 04_MATLAB 실습 Appendix A MATLAB 사용법 01 MATLAB의 이해 02 변수 설정과 자료형 03 변수 계산과 행렬 처리 04 MATLAB 프로그래밍 05 플롯과 그래픽 06 스크립트 파일 07 함수와 함수 파일
자료 다운로드시 유의사항
▶ 부록/자료 관련 FAQ
| 자료명 | 등록일 | 다운로드 |
|---|---|---|
 예제소스 |
2016-04-06 | 다운로드 |
오탈자 등록
