소장자료검색

책소개

패턴 인식을 '이야기' 방식으로 서술하여 학습의 재미를 더한 학습서이다. 먼저 '왜?'를 말한 다음, 상식으로 이해할 수 있는 수준의 배경과 개념을 제시하였다. 이어 개념 수준의 공식화가 이루어진다. 이것은 본격적인 수식 전개와 알고리즘을 설명하고 있는 책이다. 마무리는 알고리즘의 성질과 구현을 위한 요령으로 마무리 하는 기승전결의 구조 통해 패턴 인식을 소개하고 있는 책이다.

총 12개 장으로 구성하였으며, 패턴 인식을 소개하고 있는 1장, 2-7장은 분류 그리고 8-9장은 특징을 다룬다. 10장은 군집화를 설명한다. 11장은 최적화 문제를 푸는데 사용하는 도구를 설명한다. 마지막으로 12장에서는 혼성 모델을 공부한다. 부록에서는 정보 이론을 간략히 설명한다. 또한 부록에서 패턴 인식 공부에 아주 유용한 웹 사이트를 체계적으로 정리하였다.

목차

1장 소개
1.1 왜 패턴 인식인가?
1.2 어떻게 인식하나?
1.3 시스템 설계
1.4 수학
1.5 자원

2장 베이시언 결정 이론
2.1 확률과 통계
2.2 베이시언 분류기
2.3 분별 함수
2.4 정규 분포에서 베이시언 분류기
2.5 베이시언 분류의 특성
2.6 기각 처리

3장 확률 분포 추정
3.1 히스토그램 추정
3.2 최대 우도
3.3 비모수적 방법
3.4 혼합 모델

4장 신경망
4.1 소개
4.2 퍼셉트론
4.3 다층 퍼셉트론

5장 SVM
5.1 발상
5.2 선형 SVM
5.3 비선형 SVM
5.4 구현
5.5 SVM의 특성

6장 질적 분류
6.1 결정 트리
6.2 CART, ID3, 그리고 C4.5
6.3 스트링 인식기

7장 순차 데이터의 인식
7.1 순차 데이터
7.2 마코프 모델
7.3 은닉 마코프 모델로의 발전
7.4 알고리즘
7.5 부연 설명

8장 특징 추출
8.1 특징 생성의 틀
8.2 영역에서 특징 추출
8.3 변환을 이용한 특징
8.4 시계열 신호에서의 특징 추출
8.5 주성분 분석
8.6 Fisher의 선형 분별
8.7 실용적 관점

9장 특징 선택
9.1 특징의 분별력
9.2 특징 선택 문제의 이해
9.3 전역 탐색 알고리즘
9.4 순차 탐색 알고리즘
9.5 통계적 탐색 연산을 가진 알고리즘

10장 군집화
10.1 정의
10.2 거리와 유사도
10.3 군집화 알고리즘의 분류
10.4 계층 군집화
10.5 분할 군집화
10.5.1 순차 알고리즘
10.6 신경망
10.7 통계적 탐색

11장 최적화 알고리즘
11.1 패턴 인식의 최적화 문제와 풀이
11.2 미분을 이용한 방법
11.3 시뮬레이티드 어닐링
11.4 유전 알고리즘
11.5 메타 휴리스틱

12장 혼성 모델
12.1 알고리즘의 성능 특성
12.2 재 샘플링에 의한 성능 평가
12.3 혼성 모델의 발상
12.4 앙상블 생성
12.5 앙상블 결합
12.6 앙상블 선택
12.7 알고리즘을 바라보는 관점

부록A 정보 이론

부록B 인터넷 자원
B.1 일반
B.2 포털
B.3 강의 자료
B.4 소프트웨어
B.5 데이터베이스