提要文摘: | 本书是清华大学自动化系国家精品课程“模式识别基础”和“模式识别与机器学习”的教材, 是在清华大学出版社1988年出版的《模式识别》第一版、2000年出版的《模式识别》第二版和2010年出版的《模式识别》第三版基础上重写而成。由于模式识别和机器学习在近十年来有非常大的新发展, 同时读者对内容深度和广度的需求也大幅提高, 第四版在原有基础上增加了大量新内容, 从原来的共10章增加为15章, 总篇幅增加了约1/3。本教材系统地介绍了模式识别与机器学习的基本概念和代表性方法, 既包括贝叶斯决策理论、概率密度函数估计、贝叶斯网络与隐马尔科夫模型、线性判别函数、非线性判别函数、人工神经网络、支持向量机与统计学习理论、近邻法、决策树与随机森林、集成学习、特征选择提取与特征工程、非监督学习等各种经典方法与理论, 也包括了卷积神经网络、循环神经网络与LSTM、深度信念网络、深度自编码器、限制性玻尔兹曼机、生成对抗网络等代表性的深度学习方法, 还包括了对常用机器学习软件平台的介绍。教材整体安排力求系统性与实用性相结合, 兼顾机器学习与模式识别领域各种主要流派, 覆盖学科发展最前沿, 并在各章节中加入了作者长期工作基础上对相关理论与方法的思考和讨论。 |