机读格式显示(MARC)

• 000 01968nam 22003853 450

• 001 0000619925

• 005 20241028155100.0

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

• 099 __ |a CAL 012023150743

• 100 __ |a 20231214d2023 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a a 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 |d =?Fundamentals of pattern recognition and machine learning |f (美)乌利塞斯·布拉加-内托(Ulisses Braga-Neto)著 |g 潘巍[等]译 |z eng

• 210 __ |a 北京 |c 机械工业出版社 |d 2023

• 215 __ |a 246页, [12] 页图版 |c 图 |d 26cm

• 225 1_ |a 智能科学与技术丛书 |A Zhi Neng Ke Xue Yu Ji Shu Cong Shu

• 300 __ |a Springer

• 304 __ |a 译者还有：欧阳建权、刘莹、赵地、苏统华

• 305 __ |a Springer授权出版

• 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。

• 314 __ |a 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。

• 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。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。

• 510 1_ |a Fundamentals of pattern recognition and machine learning |z eng

• 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 _0 |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

• 801 _0 |a CN |b CAU |c 20241019

• 905 __ |a CAU |d TP391.4/194

• 920 __ |a 211180 |z 1