Главная    Ex Libris    Книги    Журналы    Статьи    Серии    Каталог    Wanted    Загрузка    ХудЛит    Справка    Поиск по индексам    Поиск    Форум   
blank
Авторизация

       
blank
Поиск по указателям

blank
blank
blank
Красота
blank
Meisel W.S. — Computer-oriented approach to pattern recognition
Meisel W.S. — Computer-oriented approach to pattern recognition

Читать книгу
бесплатно

Скачать книгу с нашего сайта нельзя

Обсудите книгу на научном форуме



Нашли опечатку?
Выделите ее мышкой и нажмите Ctrl+Enter


Название: Computer-oriented approach to pattern recognition

Автор: Meisel W.S.

Язык: en

Рубрика: Computer science/Обработка изображений/

Статус предметного указателя: Готов указатель с номерами страниц

ed2k: ed2k stats

Год издания: 1972

Количество страниц: 252

Добавлена в каталог: 20.11.2005

Операции: Положить на полку | Скопировать ссылку для форума | Скопировать ID
blank
Предметный указатель
$\phi$ functions      77 92ff 116
A priori probabilities      24 38 44
Abend, K.      15
Absolute error correction algorithm      68
Agrawala, A.K.      33 44 156
Aizerman, M.A.      98
Anticohcsion      154
Approximate risk      55 64ff
Approximation, efficient      91 230—246
Approximation, integraI-square      85ff
Approximation, least-mean-square      88ff
Approximation, weighted mean-square      91 ff
artificial intelligence      3
Asymptotic convergence      219—220 225
Bashkirov, O.A.      98
Bellman, R.E.      13
Bhattacharyya distance      183 186
binary variables      79 124 214—215 223
Binomia! coefficient      35 78
Bonner, R.E.      147
Braverman, E.M.      98
Butler, G.A      145 1S4
Center adjustment algorithm      146
Center-distance representation      140—141 142 147
Center-variance adjustment algorithm      146
Chandrasekaran, B.      15 23
Character recognition      214
Chten, Y.l      215
Cluster analysis      138ff
Cluster seeking      138
Co variance matrix      42
Cohesion.      154
Collins, D.C      218
Composed Functions      178
Concave function      122
Confusion region      133
Convexity      60
Cost function      59ff
Cover, T.M.      219
Curse of dimensionality      12 13 42 88 186
Data analysis      157
Data reduction      3
Decision boundaries      9 16ff
Decision rule      8 9 17ff 23
Decomposition of probability density functions      138
Decomposition, principle of      166ff
Design sets      22—24
Dimensionality      9
Direct methods      28
Discriminant analysis      163 183 202
Discriminant functions      16ff 18
Distance measures, city-block      145
Distance measures, Euclidean      9 11—12 123
Distortion-invariant feature extraction      218
Divergence      183 186
Dot product      48 56
Dynamic programming      164 203 216
Edge-weighted linear graph      151
Edic, J.      146
Editing samples      116
Electrocardiogram      193
Error correction method      123
Estimation, unsupervised      133
Factor analysis      163 196—197
False alarm      40
Feasibility tests      116
Feature ranking      163—164 199—202
Feature selection      7 24 27—28 162ff
features      7
Fischer, F.P.      11 172 188
Fisher discriminant      183
Fisher, R.A.      184
Fixed-increment algorithm      68
Foley, D.      13 14 15
Fractional correction algorithm      68 70
Friedman, H.P.      146
Fu, K.S.      134 201 23
Fukunaga, K.      146 197
Fuzzy sets      21
Gaussian distribution      see Normal distribution
Global maximum      50
Gose, E.L.      107 108 148 203
Gradient      47
Gradient technique      48—50 75
Gram — Schmidt orthanormalization      86 198
Graph-theoretic methods      148—152
Grinoid, R.C.      76
Groner, G.F.      55
Guard zone      147
Hart. P.E.      219
Henrichon, E.C, Jr.      134 281
Heuristic analysis      216—219
Heydorn. R.P.      184
Highleyman, W.H.      23
Hill-climbing      49
histogram      41—42 103 214
Ho, Y.-C.      33 44
Hoffman, R.L.      133
Hughes, G.-F.      15 24
Hyperpiane      56
Image processing      163 214
Implicit subclasses      121
Independence of features      214
Indirect methods      28
Indirect methods in clustering      152
Indirect methods in optimization      47ff
Inner product      see Dot product
Interset distances      164 179—183
Intraset distances      179—183
Intrinsic dimensionality      15 162
Iterative adjustment of clusters      145—146
k-nearest neighbor      29 30
Kanal, L.N.      15 23
Karhunen — Loeve expansion      164 196—197 202
Koford, J.S.      55
Koontz, W.L.G.      146 197
Lagrange multipliers      182
Layered networks      125 124—128 169
Learning set      22
Learning with probabilistic teacher      138 156
Learning without teacher      138
Learning, decision-directed      138 [55—156
Learning, unsupcrvised      138ff 155—156
Levy, D.M.      204
Likelihood      40
Likelihood ratio      215
Linear discriminant functions      58 92ff
Linear programming      50 70 76 131
Linear transformations      169ff
Linguistic analysis      216—219 224
Local maximum      50
Local minimum      60
Localized distance      164 180—181 183—189
Loss function      39ff 56 59ff
Mangasarian, O.L.      131 133
Many-at-a-time algorithm      65 68 69 75
Markovian dependence      214
Martin. L.W.      35
Mcisel, W.S.      22 95 134 174 184
Mean error      55
Measurement selection      3
Measurement space      7—8
Michalopoulos, D.A.      134
Minimal spanning trees      151
Minimax criterion      44
Mixture distribution      143
Moc, M.L.      133
MODE      143
Mode seeking      144—145
Modified SPRT      215
Mucciardi, A.N.      107 108 148 203
MuJtimoda] distribution      15
Multiple criteria      166
Multivariale splines      see Piecewise linear function Piecewise
Mutual information      184
Nearest-neighbor technique      29—30 133
Nelson, G.D.      204
neuron      79
Neyman — Pears on criterion      44
Nonconcave function      122
Noninferior solutions      166
Nonlinear mapping      191 206
Nonparametric; methods      28—29
Nonstationary pattern recognition      220—222 225
Norm, Euclidean      56 105
Normal distribution      42—43
Normalization      9 10 106 107 169—170
Nuisance samples      117
Numerical taxonomy      157
One-at-a-time algorithm      65 68 75
Orthonormaiity      86—87
Owen, J.      134
Parameterized transformations      169ff
Parametric methods      28—29 38ff
Parzcn window      98
Parzen estimator      91 98
Parzen, E.      98 103 219
Patrick, E.A.      172 174 184 188 218
Pattern classes      9
Pattern classification      8
Pattern space      7 9
Pattern space, augmented      63—64
Pavlidis, T.      217
Perceptrons      124—128 169
Piecewise linear clusters      140
Piecewise linear decision boundary      114 128
Piecewise linear discriminant function      114 120ff
Piecewise linear functions      116 218
Piecewise linear potential function      102
Polynomials, orthonormal      228—229
Potential functions      98ff
Potential functions, generalized      114—116
Potential functions, polynomial      108—101 14
Potential functions, type 1      106—107
Potential functions, type 2      106—107
Prediction      5
Preprocessing      7
Principal components analysis      197
Probability densities      21—22 85ff
Prototype classification      30—32 123
Proximal surfaces      141
Radar      168
Random search      51—53
Ranking formulas      201 202 216
Ringwald, B.E.      157
Risk      39ff 44 45
Rubin, J.      146
Sample space, augmented      57—58
Samples      2 8
Samples, labeled      2 8 9 33
Samples, sheets of      16
Samples, subsets      141—142
Samples, unlabeled      33 138 155
Scbestyen, G.S.      105—146
Schwarz inequality      48
Sequential feature selection      215—216 224
Sequential probability ratio test      215
Similarity matrix      149—150
Size and shape parameters      107—108
Skew      109
Smith, F.W.      76 94
Spanning tree      151
Specht, D.F.      109 110 It4
Speech processing      214
Statistical decision theory      39ff
Statistical formulation      33ff
Stochastic approximation      50 87 219—220 225
Structural analysis      216—219 224
Structure-preserving transformations      190—191 206
Subset generation      138
Successive dichotomy      18 20 87
Test sets      22—24
Threshold elements      78ff 124 127 215
Threshold elements, variable-threshold      80
Tou, J.T.      184
Training set      22
Transformations, custom      193—199
Transformations, linear      163
Transformations, nonlinear      163
Transformations, orthogonal      170—172
Transformations, orthonormal      163
Transformations, piecewise linear      163 174—178
Tree structure      18 51
Tree structure, weight of      151
Tsypkin, Ya.Z.      98
Vector, augmented      57
Wald, A.      215
Watanbe, M.S.      154 217
Weight space      58
Weight vectors      57
Zahn, C.T.      151 152
blank
Реклама
blank
blank
HR
@Mail.ru
       © Электронная библиотека попечительского совета мехмата МГУ, 2004-2019
Электронная библиотека мехмата МГУ | Valid HTML 4.01! | Valid CSS! О проекте