模式识别与机器学习
ISBN：-7---7
孙仕亮赵静编著
定价：69.5元
01.
内容简介
本书系统介绍了模式识别与机器学习的基础理论、模型与算法，兼顾前沿知识的融入。以贝叶斯学习思想贯穿始终，并适时与其他重要知识点（如支持向量机、深度学习）等进行交叉和关联，便于读者在形成良好知识体系的同时保持对整个领域知识的把握。全书共14章和4个附录，循序渐进地剖析模式识别与机器学习领域。首先介绍贝叶斯学习基础、逻辑回归、概率图模型基础、隐马尔可夫模型和条件随机场，接着介绍支持向量机、人工神经网络与深度学习、高斯过程、聚类、主成分分析与相关的谱方法，最后介绍确定性近似推理、随机近似推理和强化学习。附录包括传统的模式识别与机器学习方法，即近邻法和决策树，还有向量微积分和随机变量的变换等与本学科强相关的重要知识点。02.
本书亮点
通俗易懂，配有典型示例
图文并茂，配有近幅直观示意图
算法清晰，做到知其然和知其所以然
富有深度，包含重要模型扩展
完整性好，附有重要数学基础
配套全面，教学和学习无忧
03.
配套资源
教学大纲
教学课件
习题答案
教学大纲
课程名称（中文）：模式识别与机器学习课程名称（英文）：PatternRecognitionandMachineLearning学分：2学时：36。理论学时36学时；建议将实践融入平时作业授课对象：人工智能、计算机科学与技术、自动化、电子科学与技术等专业方向的本科生或研究生（硕/博）一、课程简介（中文与英文）
研修本课程的先导课程为《高等数学》、《线性代数》、《概率论》。本课程全面讲授模式识别与机器学习的基本概念与典型算法，以计算机视觉、自然语言处理中的问题为典型应用，培养学生对人工智能的研究兴趣，为继续从事模式识别与机器学习方向的科学研究与工程应用打下坚实的基础。TheprerequisitecoursesofthiscourseareAdvancedMathematics,LinearAlgebra,andProbabilityTheory.
Thiscoursesystematicallyintroducesthebasicconceptsandtypicalalgorithmsinthefieldofpatternrecognitionandmachinelearning,andtheirapplicationsin