검색


> > IT CookBook, 패턴인식 개론(개정판)
IT CookBook, 패턴인식 개론(개정판)

크게보기 미리보기

IT CookBook, 패턴인식 개론(개정판)

한학용 지음 | 국내서 | 2009년 08월 | 한빛아카데미(주)

정가
30,000원
판매가
30,000원 (0% off)
이코인
0원 (0%)
배송비
무료 배송비란
상태
절판
독자리뷰
총 리뷰 0개 , 평균별점
블로거리뷰
총 리뷰 0
트랙백주소
http://www.hanbit.co.kr/trackback/978-89-7914-632-5

페이지 : 572쪽 | ISBN : 978-89-7914-632-5 | 난이도 : 중/고급 | 변환코드 : 1632

부록 : 없음

페이스북 트위터 미투데이 e메일
리뷰쓰기 도서인증
  • 책소개
  • 저자소개
  • 목차
  • 독자리뷰
  • 블로거리뷰
  • 오탈자보기
  • 예제소스
  • 추천서적

책소개

기초 수학 지식부터 패턴인식의 핵심 알고리즘에 이르는 체계적인 접근

이 책은 패턴인식, 인공지능, 데이터 마이닝에 관심이 많은 전기/전자/컴퓨터 관련학과의 대학원생이나 연구원을 대상으로 한다. 패턴인식을 이해하기 위한 필수 지식인 선형대수학, 확률, 통계의 기초 지식부터 패턴인식의 핵심적인 알고리즘 전반을 설명하며, 일부 알고리즘은 MATLAB을 이용하여 프로그래밍하고 시뮬레이션해봄으로써 이론을 입체적으로 이해할 수 있게 했다.

  • 1장 : 패턴 정의 | 패턴인식시스템의설계사이클 | 패턴인식알고리즘성능평가 | 접근법과응용분야
  • 2~3장 : 벡터의주요개념 | 행렬식의이해 | 기초통계용어 | 회귀분석 | 전체확률이론
  • 4~6장 : 확률변수와 분포 | 통계적결정이론 | 최우추정법에 의한 확률밀도함수 추정 | 선형·이차분류기
  • 7~8장 : 벡터양자화와클러스터링 | k-means·EM·LBG 알고리즘 | 가우시안혼합모델
  • 9장 : 비모수밀도추정 | 히스토그램 | Parzen 창·k-NNR·스무드커널을이용한밀도 추정
  • 10~12장 : 고유벡터와고유값 | 주성분분석 | KL 변환 | PCA를이용한얼굴인식 | 선형판별분석법(LDA), 결정트리학습알고리즘(ID3)
  • 13~15장 : 신경망의발전역사 | 헤브·LMS 학습규칙 | 자기 조직화 특징 지도 | SOFM 학습 과정 | SOFM을이용한음성인식 | 유전·진화·정상 상태유전알고리즘
  • 16~17장 : 1·2차원동적계획법 | DTW 알고리즘 | 은닉마르코프모델 | 전향·후향 알고리즘 | 비터비·바움-웰치재추정알고리즘
  • 18~19장 : 선형·비선형SVM 학습 | 마진 최대화 조건식 | 하알 유사 특징 | AdaBoost 알고리즘 적용
맨위로

저자소개

한학용

동아대학교에서 전자공학 석∙사 학위를 받았다. ㈜이지하모니 부설 기술연구소장, 동명정보기술원 생체 인식 과정 코스매니저, 부산대학교 산학협력단 전임 연구원을 거쳐 현재는 동아대학교 멀티미디어 연구센터 계약 교수로 재직 중이며, 음성 및 영상 신호처리, 패턴인식 응용 시스템 개발과 관련된 연구를 하고 있다. 저서로는 『멀티미디어 사운드 프로그래밍』(영진닷컴, 2003)이 있다.




맨위로

목차

Chapter 01 | 패턴인식의 개요
01 인공지능의 가능성에 대한 철학적 논쟁
02 패턴인식의 정의
03 특징과 패턴
04 패턴인식 시스템의 구성 요소와 설계 사이클
05 패턴인식의 유형과 분류기
06 패턴인식 알고리즘의 성능 평가
07 패턴인식 접근법과 관련 응용 분야
08 패턴인식의 응용 예

Chapter 02 선형 대수학 : 벡터와 행렬
01 벡터 이론
02 행렬 대수
03_행렬의 트레이스
04_행렬의 계수
05_행렬식
06_역행렬
07_고유값과 고유벡터
08_유사변환과 행렬의 대각화
09_2차 형식
10_SVD: 특이값 재구성
1 1 _선형 변환

Chapter 03 기초 통계와 확률 이론
01 기초 통계
02 확률 이론

Chapter 04 확률변수와 확률분포
01 확률변수
02 확률분포
03 확률함수의 종류
04 벡터 랜덤변수
05 랜덤 벡터의 통계적 특징
06 공분산 행렬
07 가우시안 분포
08 MATLAB 실습

Chapter 05 통계적 결정이론과 확률밀도함수의 추정
01 우도비 검증
02 오류확률
03 베이즈 위험
04 LRT 결정규칙의 변형
05 다중 클래스에 대한 결정규칙
06 판별함수
07 최우추정법에 의한 확률밀도함수의 추정
08 MATLAB 실습

Chapter 06 선형 분류기와 이차 분류기
01 선형 분류기
02 이차 분류기

Chapter 07 데이터 마이닝의 시작: 백터 양자화와 클러스터링
01 교사와 비교사 학습
02 비교사 학습의 두 가지 접근법
03 벡터 양자화와 클러스터링
04 최적화 규준
05 k-means 알고리즘과 EM 알고리즘
06 비균일 이진 분할
07 k-means와 이진 분할의 비교와 개선: LBG 알고리즘
08 MATLAB 실습

Chapter 08 견고한 확률 모델 : 가우시안 혼합 모델(GMM)
01 가우시안 혼합 모델
02 GMM의 학습 : EM 알고리즘
03 EM 알고리즘의 필요성
04 EM 알고리즘의 일반화
05 EM 알고리즘과 k-means 클러스터링 알고리즘
06 MATLAB 실습

Chapter 09 비모수 밀도 추정법
01 비모수 밀도 추정
02 히스토그램
03 커널 밀도 추정
04 Parzen 창에 의한 커널 밀도 추정
05 스무드 커널을 이용한 커널 밀도 추정
06 k-NNR을 이용한 밀도 추정
07 비모수 밀도 추정을 이용한 패턴인식
08 MATLAB 실습

Chapter 10 주성분 분석법(PCA)과 KL 변환
01 차원의 저주
02 고유벡터와 고유값
03 주성분 분석
04 KL 변환
05 PCA를 이용한 얼굴 인식
06 MATLAB 실습

Chapter 11 선형 판별 분석법: LDA
01 선형 판별 분석법과 피셔의 선형 판별식
02 2진 분류에 적용된 LDA
03 C-클래스 분류에 적용된 LDA
04 LDA의 두 가지 접근법과 한계
05 MATLAB 실습

Chapter 12 결정 트리 학습 알고리즘 : ID3
01 결정 트리
02 ID3: 결정 트리 학습 알고리즘
03 엔트로피와 정보 이득
04 ID3을 이용한 결정 트리 구축과 분류
05 MATLAB 실습

Chapter 13 신경 세포 모델링:인공 신경망
01 신경세포의 모델링과 신경망의 태동 : McCulloch and Pitts(1943)
02 헤브의 학습 규칙 : Hebb(1949)
03 신경망의 번성과 퍼셉트론 : Rosenblatt(1958)
04 LMS 학습 규칙 : Widrow and Hoff(1960)
05 신경망의 암흑기 : Minsky and Papert(1969)
06 신경망의 부활과 역전파 알고리즘 : Rumelhart, Hinton and Williams(1986)
07 패턴인식과 신경망의 구조
08 MATLAB 실습

Chapter 14 뇌영역 모델링 : 자기 조직화 특징 지도
01 자기 조직화 특징 지도
02 SOFM의 학습 과정과 장점
03 학습 절차와 사용되는 함수들
04 2차원 지도의 자기 조직화
05 2차원 데이터 분포를 대표하는 1차원 체인 형성 자기 조직화
06 SOFM을 이용한 음성인식
07 MATLAB 실습

Chapter 15 기발한 최적화 방법:유전 알고리즘
01 최적화 문제와 유전 알고리즘 개요
02 유전 알고리즘의 특징
03 유전 알고리즘과 진화 알고리즘
04 유전 알고리즘의 구성 요소
05 유전 연산자
06 적합도 함수
07 정상 상태 유전 알고리즘(SSGA)
08 순회 판매원 문제에 적용된 유전 알고리즘
09 MATLAB 실습o388

Chapter 16 시계열 패턴인식의 시작:동적 계획법과 DTW
01 정적 패턴과 동적 패턴
02 동적 계획법
03 예제를 통한 동적 계획법의 이해
04 DTW 알고리즘
05 MATLAB 실습

Chapter 17 음성인식의 기수:은닉 마르코프 모델(HMM)
01 확률 행렬과 마르코프 연쇄
02 마르코프 가정, 마르코프 모델, 마르코프 과정
03 은닉 마르코프 모델
04 HMM의 3가지 문제와 해법
05 확률 평가 문제와 해법
06 최적 상태열 문제와 해법
07 파라미터 추정의 문제와 해법
08 MATLAB 실습

Chapter 18 최적 분류를 향한 끝없는 도전:SVM
01 SVM 소개
02 최적 분류 초평면
03 최대 마진의 수식화
04 라그랑제 승수를 이용한 비선형 계획법
05 선형 SVM의 학습
06 마진 최대화 조건식
07 Support Vector 전개와 판별함수
08 비선형 SVM
09 커널 트릭
10 MATLAB 실습

Chapter 19 집약도강(集弱導强) 알고리즘:AdaBoost
01 Boosting 소개
02 AdaBoost 알고리즘
03 AdaBoost 적용 사례 : 얼굴 검출
04_MATLAB 실습

Appendix A MATLAB 사용법
01 MATLAB의 이해
02 변수 설정과 자료형
03 변수 계산과 행렬 처리
04 MATLAB 프로그래밍
05 플롯과 그래픽
06 스크립트 파일
07 함수와 함수 파일
맨위로
독자리뷰
(총 리뷰 0개 , 평균별점 )   
리뷰쓰기
맨위로
블로거리뷰
(총 리뷰 0개)
 
맨위로

예제소스

아래 URL을 클릭하시면 도서의 예제소스를 다운로드 하실 수 있습니다.

http://www.hanbit.co.kr/exam/1632/

맨위로

  • 회사소개
  • 인재채용
  • 기획 및 원고 모집
  • 이용약관
  • 개인정보취급방침
  • 고객센터
  • 사이트맵
Copyrightⓒ1993-2010 Hanbit Media, Inc. All rights reserved.

경영혁신형 중소기업 인증 소비자피해보상보험 가입사실확인 애니서트 인증마크