Unter Musterklassifikation versteht man die Zuordnung eines physikalischen Objektes zu einer von mehreren vordefinierten Kategorien. Auf dieser Grundlage können Computer Muster erkennen. Das Interesse an diesem Forschungsgebiet hat in den letzten Jahren, besonders im Zuge der Weiterentwicklung neuronaler Netze, stark zugenommen. Die umfassend überarbeitete, erweiterte und jetzt zweifarbig gestaltete Neuauflage beschreibt alle wesentlichen Aspekte der Mustererkennung systematisch und verständlich. Mit Lösungsheft! (01/00)
Unter Musterklassifikation versteht man die Zuordnung eines physikalischen Objektes zu einer von mehreren vordefinierten Kategorien. Auf dieser Grundlage können Computer Muster erkennen. Das Interesse an diesem Forschungsgebiet hat in den letzten Jahren, besonders im Zuge der Weiterentwicklung neuronaler Netze, stark zugenommen. Die umfassend überarbeitete, erweiterte und jetzt zweifarbig gestaltete Neuauflage beschreibt alle wesentlichen Aspekte der Mustererkennung systematisch und verständlich. Mit Lösungsheft! (01/00)
RICHARD O. DUDA, PhD, is Professor in the Electrical Engineering Department at San Jose State University, San Jose, California. PETER E. HART, PhD, is Chief Executive Officer and President of Ricoh Innovations, Inc. in Menlo Park, California. DAVID G. STORK, PhD, is Chief Scientist, also at Ricoh Innovations, Inc.
Inhaltsangabe
Bayesian Decision Theory. Maximum-Likelihood and Bayesian Parameter Estimation. Nonparametric Techniques. Linear Discriminant Functions. Multilayer Neural Networks. Stochastic Methods. Nonmetric Methods. Algorithm-Independent Machine Learning. Unsupervised Learning and Clustering. Appendix. Index.