本书以Python语言为基础，深入浅出地讲解了模式识别的基本概念、算法原理和实现方法，主要包括监督学习和非监督学习两大类模式识别方法，并详细介绍了多种经典算法，如K近邻、逻辑回归、支持向量机、决策树、集成方法、多层感知器、K-means和Apriori算法等；涵盖了数据处理、数据降维、时间序列模型、深度学习和AutoM

本书内容介绍控制论的发展、工程应用中的问题及其目标安排。首先，探讨了控制器开发流程，涵盖控制系统设计、模型开发、快速原型等内容，并详细讨论了系统模型与表达，包括模型降阶、线性模型簇等。然后，介绍了M序列系统辨识的原理和应用案例，尤其是在燃料电池空气供应系统中的应用。并对开环频率校正、PID控制、串级控制、内模控制等策略

本书为电力行业“十四五”规划教材。本书从一个最简单的水果识别的例子开始，引出最近邻法和最小距离分类法，用最简单的方法进行分类原理说明，之后展开模式识别算法的讲解，主要包括贝叶斯决策方法、近邻法、线性判决方法、非线性判决方法、聚类分析、特征选择与提取、神经网络、支持向量机、深度学习。

本书是作者依据多年从事模式识别教学和研究的体会,参考相关文献编写而成的,深入浅出地介绍了模式识别理论和技术的基本概念、原理、方法和实现。全书共分为11章,每章阐述模式识别中的一个知识点,内容包括贝叶斯决策、概率密度函数的估计、线性判别分析、非线性判别分析、组合分类器、无监督模式识别、特征选择、特征提取、半监督学习及人工

本书作为该领域入门教材，在内容上尽可能涵盖模式识别基础知识的各方面，全书共分为9章，第1章介绍了模式识别的基本概念、模式识别系统的组成；第2章介绍了模式识别中的线性分类器；第3章介绍了模式识别中的贝叶斯分类器；第4章介绍了模式识别中的概率密度函数估计；第5章介绍了模式识别中的典型的分类方法；第6章介绍了模式识别中的特征

本书是一本模式识别学习的立体教程，通过本书的学习，能够掌握模式识别主要技术模块的算法原理及Python实现，包括贝叶斯决策、概率密度函数的估计、线性判别分析、非线性判别分析、组合分类器、无监督模式识别、特征选择、特征提取、半监督学习以及人工神经网络等。本书配以教学课件、Python仿真程序、微课视频和实验指导书，便于教

"《**控制与工程博弈论》主要以数学描述的方式阐述**控制理论的研究内容，由具体的实例引出相关的控制问题，再利用学生熟知的数学工具严谨地推算出问题的解决过程，并对控制问题的具体实例进行了严格的数学公式推导。此外，书中引用了大量的工程实例，并对每个实例进行了详细的数学描述，理论与实际结合。本书可供自动化、力学、计算机等相

本书模式识别理论与实践学习的立体教程，针对的读者是具有一定数理知识的从业人员。通过本书的学习，读者能够熟练掌握模式识别的基础知识、基本方法和工程应用。本书主要包括模式识别的基本概念、贝叶斯决策理论、概率密度函数的参数估计、非参数判别分类方法、聚类分析、特征提取与选择、模糊模式识别、神经网络、深度学习。最后是项目实战，系

本书面向人工智能相关专业（智能科学与技术、控制科学与工程、计算机科学与技术）的本科生，以从人工智能角度理解模式识别和用模式识别原理解决工程问题为目标，将内容分为基础知识、模式分类和模式聚类三大部分，突出简明和实用的特点。书中穿插大量案例，可以帮助学生在掌握基本概念的基础上理解基本原理，熟悉典型方法，做到知其然，知其所以

本书是讲解模式识别的理论基础和典型应用的教材。本书共14章，前12章为基础理论，包含模式识别概述、理论贝叶斯决策、概率密度的估计、线性判别函数、非线性判别函数、其他分类方法、无监督学习、通用特征选择与提取方法、数据特征提取、数据预处理、深度神经网络基础、深度神经网络典型架构；后2章介绍指纹识别、光学字符识别、语音识别、