반디앤루니스 인터넷서점
전체

로고이미지

검색

  • ▼
HOT ISSUE

네비게이션 실시간 인기 책

    패턴인식 개론[개정판] - IT CookBook 98

    미리보기

    패턴인식 개론[개정판] - IT CookBook 98 MATLAB 실습을 통한 입체적 학습

    시리즈 : IT COOKBOOK 한빛교재시리즈 [241]

    • 한학용 저
    • 한빛아카데미
    • 2015년 02월 11일
    • 정가
      30,000원
    • 판매가
      30,000원 [0% 할인]
    • 결제 혜택
      무이자
    • 적립금
      900원 적립 [3%P]

      NAVER Pay 결제 시 네이버페이 포인트 5% 적립 ?

    품절된 상품입니다.

    이책의 구판 정보

    패턴인식 개론[개정판] - IT Cookbook 시리즈 98 한학용 저 | 한빛아카데미 | 2011년 11월 [품절]

    위시리스트
    회원리뷰
    - [0]
    ISBN: 9791156641032 572쪽 188 x 235 (㎜)

    지금 이책은

    이 분야의 베스트셀러

    이 책과 함께 구매한 책

    이 책이 속한 분야

    이 책의 시리즈

    전체 선택 쇼핑카트 담기
    시리즈 IT COOKBOOK 한빛교재시리즈 (241)
    시리즈 전체보기

    책 소개

    상품문의 / 정보수정 요청 >

    출판사 리뷰

    출판사 서평
    마케팅 포인트
    -. ‘패턴인식’이라는 분야에 극히 드문 집필서로, 패턴인식 입문서로 높은 점수를 받았음.
    -. 개정판에서는 초판의 단점으로 지적되었던 수식과 그림의 오류 수정하였고,
    -. ID 3 알?고리즘과 Adaboosting 알고리즘을 추가했다.
    도서 특징(책 표지글)
    기초 수학 지식부터 패턴인식의 핵심 알고리즘에 이르는 체계적인 접근
    ▶ 누구를 위한 책인가?
    이 책은 패턴인식, 인공지능, 데이터 마이닝에 관심이 많은 전기/전자/컴퓨터 관련학과의 대학원생이나
    연구원을 대상으로 한다. 패턴인식을 이해하기 위한...
    마케팅 포인트
    -. ‘패턴인식’이라는 분야에 극히 드문 집필서로, 패턴인식 입문서로 높은 점수를 받았음.
    -. 개정판에서는 초판의 단점으로 지적되었던 수식과 그림의 오류 수정하였고,
    -. ID 3 알고리즘과 Adaboosting 알고리즘을 추가했다.
    도서 특징(책 표지글)
    기초 수학 지식부터 패턴인식의 핵심 알고리즘에 이르는 체계적인 접근
    ▶ 누구를 위한 책인가?
    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.
    ▶ 무엇을 다루는가?
    ?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
    부/장별 내용 요약
    1장. 패턴인식의 개요
    패턴인식과 관련된 용어들을 정의하고 관련 응용 분야, 패턴인식 시스템의 주요 구성 요소와 패턴인식 문제의 유형 그리고 패턴인식의 접근 방법을 다룬다.
    2장. 선형 대수학 : 벡터와 행렬 | 3장. 기초 통계와 확률 이론
    2장에서는 선형 대수학의 주요 부분인 벡터 이론의 주요 개념과 행렬대수를 간략히 요약하여 복습한다. 3장에서는 확률 통계적인 패턴인식 방법을 이해하기 위한 준비 단계로, 기초 통계 용어와 통계 파라미터를 간략히 되짚어보고, 몇 가지 확률 이론을 복습한다.
    4장. 확률변수와 확률분포 | 5장. 통계적 결정이론과 확률밀도함수의 추정 | 6장. 선형 분류기와 이차 분류기
    4장에서는 확률분포와 확률변수 그리고 확률변수의 확장된 개념인 벡터 랜덤변수를 설명하고 이들의 통계적 특성을 알아본다. 또한 대표적인 확률분포인 가우시안 확률분포의 여러 가지 형태를 살펴본 후 특정한 분포를 이루는 데이터를 생성하고, 확률밀도함수의 컨투어를 그려보자. 5장에서는 통계적 결정이론을 이용하여 미지의 패턴을 인식하는 방법을 설명한다. 또한 데이터에서 통계적 모델이 되는 확률밀도함수를 추정하는 대표적인 방법인 최우추정(MLE)법을 소개한다. 6장에서는 선형 분류기와 이차 분류기를 소개한다. 또한 공분산 행렬의 종류에 따른 여러 가지 판별함수의 형태도 알아보자.
    7장. 데이터 마이닝의 시작 : 벡터 양자화와 클러스터링
    데이터 마이닝의 시작이라고 할 수 있는 벡터 양자화 혹은 클러스터링 방법을 설명한다.
    8장. 견고한 확률 모델 : 가우시안 혼합 모델(GMM)
    모수적 밀도 추정법에 의한 확률 통계적 패턴인식 접근법을 더욱 견고하게 하기 위한 방법으로GMM이라는 모델링에 관하여 설명한다.
    9장. 비모수 밀도 추정법
    널리 알려져 있는 비모수 밀도 추정법인 히스토그램에서부터 이를 응용한 커널 밀도 추정(KDE) 그리고k-NNR에 대해 설명한다. 그리고 비모수 밀도 추정으로 얻은 밀도함수를 어떻게 패턴인식에 적용할 것인지 설명한다.
    10장. 주성분 분석법(PCA)과 KL 변환 | 11장. 선형 판별 분석법 : LDA
    10장에서는 특징 벡터에 대한 차원 축소의 필요성과 응용 분야를 소개하고, 이 주제를 이해하는 데 필요한 수학적 개념인 고유벡터와 고유값에 대해 심화 학습한다. 그리고 주성분 분석법의 개념을 포함하고 있는KL 변환법을 소개하고 이 변환의 특징을 살펴본다. 또한 PCA를 얼굴 인식에 적용한 사례도 알아본다. 11장에서는 PCA와 더불어 클래스 간의 최적 분류에서 특징 벡터의 차원 축소에 이용되는 선형 판별 분석법과 피셔의 선형 판별식을 공부하고 MATLAB으로 직접 시뮬레이션해본다.
    12장. 결정 트리 학습 알고리즘 : ID3
    결정 트리의 개념을 소개하고, 시드니 대학의 퀸란(Quinlan)이 엔트로피와 정보 이득 개념을 이용하여 제안한 결정 트리 학습 알고리즘인 ID3을 소개한다.
    13장. 신경 세포 모델링: 인공 신경망 | 14장. 뇌 영역 모델링:자기 조직화 특징 지도 | 15장.기발한 최적화 방법 :유전 알고리즘
    13장에서는 생물학적 신경세포의 연결 결합 관계를 모델링한 인공 신경망 분야의 연구 성과와 제안된 주요 모델들을 역사적 순서에 따라 일별해보고, 패턴인식에 적용하는 방법을 설명한다. 14장에서는 핀란드의 코호넨(Kohonen)이 제안한 뇌의 세포구조 지도를 모델링한 신경망 모델인 자기 조직화 특징 지도(SOFM)의 동작 메커니즘과 응용 분야를 알아본다. 15장에서는 유전 알고리즘의 개념과 주요 구성 요소를 소개하고 순회 판매원 문제에 적용하여 최적해를 구하는 시뮬레이션을 진행해본다.
    16장. 시계열 패턴인식의 시작 : 동적 계획법과 DTW
    음성과 같은 시계열 패턴인식에 간단하게 적용할 수 있는 DTW라는 알고리즘을 설명한다. 각 문제마다
    MATLAB 실습을 통하여 직접 구현해보면서 입체적으로 이해해본다.
    17장. 음성인식의 기수 : 은닉 마르코프 모델(HMM)
    비정상적이고 복잡한 현상을 모델링하는 데 탁월한 능력을 발휘하여 계량 경제학, 패턴인식, 제어 시스템, DNA 서열 분야, 음성인식에 적용되는 HMM에 대해 살펴본다.
    18장. 최적 분류를 향한 끝없는 도전 : SVM
    SVM을 이해하기 위한 기본적인 몇 가지 이론을 포함하여 되도록 쉽게SVM 이론을 소개하고, 1차원 데이터에 대한 분류 시험을 직접 실습해본다.
    19장. 집약도강(集弱導强) 알고리즘 :AdaBoost
    밸리언트와 PAC 학습 모델에서 시작한 Boosting 알고리즘과 이를 실제 데이터 분석에 사용할 수 있도록 개량한 AdaBoost 알고리즘에 대해 살펴본다.

    저자 소개

    한학용

    저자 한학용은 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.

    목차

    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 확률변수0
    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 실습?388
    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

    배송 시 유의사항

    - 반디앤루니스에서 구매하신 도서는 물류 대행 위탁업체 웅진 북센을 통해 배송됩니다.
     (배송 포장에 "웅진 북센"으로 표기될 수 있습니다.)

    - 구매한 상품의 품질과 배송 관련 문의는 반디앤루니스로 문의 바랍니다.

    - 천재지변 및 택배사의 사정에 따라 배송이 지연될 수 있습니다.

    - 결제(입금) 완료 후 출판사 및 유통사의 사정으로 품절 또는 절판 되어 상품 구입이 어려울 수 있습니다. (별도 안내 예정)

    - 도서산간지역의 경우 추가 배송비가 발생될 수 있습니다.

    반품/교환

    상품 설명에 반품/ 교환 관련한 안내가 있는 경우 그 내용을 우선으로 합니다. (업체 사정에 따라 달라질 수 있습니다)

    반품/교환

    반품/교환
    반품/교환 방법 홈 > 고객센터 > 자주찾는질문 “반품/교환/환불” 안내 참고 또는 1:1상담게시판
    반품/교환 가능 기간 반품,교환은 배송완료 후 7일 이내, 상품의 결함 및 계약내용과 다를 경우 문제발견 후 30일 이내에 신청가능
    반품/교환 비용 변심 혹은 구매착오의 경우에만 반송료 고객 부담(별도 지정 택배사 없음)
    반품/교환 불가 사유
    • 소비자의 책임 사유로 상품 등이 손실 또는 훼손된 경우
    • 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우
    • 복제가 가능한 상품 등의 포장을 훼손한 경우 : 예)만화책, 잡지, 화보집 등
    • 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우
    • 전자상거래등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우
    • 해외주문 상품(해외 원서)의 경우(파본/훼손/오발송 상품을 제외)
    소비자 피해보상
    환불지연에 따른 배상
    • 상품의 불량에 의한 반품, 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은
      소비자 분쟁해결 기준(공정거래위원회고시)에 준하여 처리됨
    • 대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의
      소비자 보호에 관한 법률에 따라 처리함
    반품/교환 주소 경기도 파주시 문발로 77, 웅진북센(반디앤루니스)
    • 회사명 : (주)서울문고
    • 대표이사 : 김홍구
    • 개인정보 보호책임자 : 김홍구
    • E-mail : bandi_cs@bnl.co.kr
    • 소재지 : (06168) 서울 강남구 삼성로 96길 6
    • 사업자 등록번호 : 120-81-02543
    • 통신판매업 신고번호 : 제2023-서울강남-03728호
    • 물류센터 : (10881) 경기도 파주시 문발로 77 반디앤루니스
    copyright (c) 2016 BANDI&LUNI'S All Rights Reserved