模式識別中的二型模糊圖模型

定　價(jià)：￥79.00

作　者：	曾嘉，劉志強(qiáng)
出版社：	清華大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787302368908	出版時(shí)間：	2015-06-01	包裝：
開本：	16開	頁數(shù)：	201	字?jǐn)?shù)：

內(nèi)容簡介

　　《模式識別中的二型模糊圖模型》著重討論了如何融合二型模糊集合理論與概率圖模型來解決現(xiàn)實(shí)世界中的模式識別問題，例如語音識別、手寫體漢字識別、主題建模和人體動(dòng)作識別等應(yīng)用。本書覆蓋了二型模糊集合理論和概率圖模型理論的最新進(jìn)展，同時(shí)也詳盡地介紹了融合兩大理論的框架。本書不但適用于模糊邏輯和模式識別領(lǐng)域的研究生、研究學(xué)者和工業(yè)實(shí)踐者，同時(shí)也可以作為沒有上述研究背景的研究學(xué)者的寶貴參考讀物。本書作者曾嘉博士是蘇州大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院教授，劉志強(qiáng)博士是香港城市大學(xué)創(chuàng)意媒體學(xué)院教授。

作者簡介

暫缺《模式識別中的二型模糊圖模型》作者簡介

圖書目錄

1　Introduction
　1.1　Pattern Recognition
　1.2　Uncertainties
　1.3　Book Overview
　References
2　Probabilistic Graphical Models
　2.1　The Labeling Problem
　2.2　Markov Properties
　2.3　The Bayesian Decision Theory
　　2.3.1　Descriptive and Generative Models
　　2.3.2　Statistical-Structural Pattern Recognition
　2.4　Summary
　References
3　Type-2 Fuzzy Sets for Pattern Recognition
　3.1　Type-2 Fuzzy Sets
　3.2　Operations on Type-2 Fuzzy Sets
　3.3　Type-2 Fuzzy Logic Systems
　　3.3.1　Fuzzifier
　　3.3.2　Rule Base and Inference
　　3.3.3　Type Reducer and Defuzzifier
　3.4　Pattern Recognition Using Type-2 Fuzzy Sets
　3.5　The Type-2 Fuzzy Bayesian Decision Theory
　3.6　Summary
　References
4　Type-2 Fuzzy Gaussian Mixture Models
　4.1　Gaussian Mixture Models
　4.2　Type-2 Fuzzy Gaussian Mixture Models
　4.3　Multi-category Pattern Classification
　References
5　Type-2 Fuzzy Hidden Moarkov Models
　5.1　Hidden Markov Models
　　5.1.1　The Forward-Backward Algorithm
　　5.1.2　The Viterbi Algorithm
　　5.1.3　The Baum-Welch Algorithm
　5.2　Type-2 Fuzzy Hidden Markov Models
　　5.2.1　Elements of a Type-2 FHMM
　　5.2.2　The Type-2 Fuzzy Forward-Backward Algorithm
　　5.2.3　The Type-2 Fuzzy Viterbi Algorithm
　　5.2.4　The Learning Algorithm
　　5.2.5　Type-Reduction and Defuzzification
　　5.2.6　Computational Complexity
　5.3　Speech Recognition
　　5.3.1　Automatic Speech Recognition System
　　5.3.2　Phoneme Classification
　　5.3.3　Phoneme Recognition
　5.4　Summary
　References
6　Type-2 Fuzzy Markov Random Fields
　6.1　Markov Random Fields
　　6.1.1　The Neighborhood System
　　6.1.2　Clique Potentials
　　6.1.3　Relaxation Labeling
　6.2　Type-2 Fuzzy Markov Random Fields
　　6.2.1　The Type-2 Fuzzy Relaxation Labeling
　　6.2.2　Computational Complexity
　6.3　Stroke Segmentation of Chinese Character
　　6.3.1　Gabor Filters-Based Cyclic Observations
　　6.3.2　Stroke Segmentation Using MRFs
　　6.3.3　Stroke Extraction of Handprinted Chinese Characters.
　　6.3.4　Stroke Extraction of Cursive Chinese Characters
　6.4　Handwritten Chinese Character Recognition
　　6.4.1　MRFs for Character Structure Modeling
　　6.4.2　Handwritten Chinese Character Recognition (HCCR).
　　6.4.3　Experimental Results
　6.5　Summary
　References
7　Type-2 Fuzzy Topic Models
　7.1　Latent Dirichlet Allocation
　　7.1.1　Factor Graph for the Collapsed LDA
　　7.1.2　Loopy Belief Propagation (BP)
　　7.1.3　An Alternative View of BP
　　7.1.4　Simplified BP (siBP)
　　7.1.5　Relationship to Previous Algorithms
　　7.1.6　Belief Propagation for ATM
　　7.1.7　Belief Propagation for RTM
　7.2　Speedup Topic Modeling
　　7.2.1　Fast Topic Modeling Techniques
　　7.2.2　Residual Belief Propagation
　　7.2.3　Active Belief Propagation
　7.3　Type-2 Fuzzy Latent Dirichlet Allocation
　　7.3.1　Topic Models
　　7.3.2　Type-2 Fuzzy Topic Models (T2 FTMs)
　7.4　Topic Modeling Performance
　　7.4.1　Belief Propagation
　　7.4.2　Residual Belief Propagation
　　7.4.3　Active Belief Propagation
　7.5　Human Action Recognition
　　7.5.1　Feature Extraction and Vocabulary Formation
　　7.5.2　Results on KTH Data Set
　References
8　Conclusions and Future Work
　8.1　Conclusions
　8.2　Future Works
Errata to: Type-2 Fuzzy Graphical Models for Pattern Recognition