Bewertung:
Das Buch „Pattern Recognition“ von Theodoridis und Koutroumbas wird für seine Gründlichkeit, Klarheit und umfassende Abdeckung des Bereichs der Mustererkennung hoch gelobt und ist sowohl für Studenten als auch für Forscher geeignet. Es enthält aktualisiertes Material zu fortgeschrittenen Themen und bietet hervorragende Beispiele. Einige Rezensenten sind jedoch der Meinung, dass das Buch für Anfänger zu dicht ist und eine Herausforderung darstellt, wobei sich die Kritik auf die kompakte Notation und den Mangel an praktischen Kodierungsanleitungen ohne ergänzende Texte konzentriert.
Vorteile:⬤ Gründliche Abdeckung des Gebiets der Mustererkennung
⬤ klare und gut organisierte Darstellung
⬤ ausgezeichnete Beispiele und Computerexperimente
⬤ aktualisiert mit den jüngsten Fortschritten
⬤ erhebliche Tiefe und Breite
⬤ geeignet für Studenten, Forscher und Praktiker
⬤ gute mathematische Erklärung mit einem begleitenden MATLAB-Buch.
⬤ Umfangreich und anspruchsvoll für Anfänger
⬤ einige Kritiker halten es eher für ein Nachschlagewerk als für ein Lernwerkzeug
⬤ Gleichungen können kompakt und schwer zu entziffern sein
⬤ es fehlt eine ausreichende praktische Anleitung zur Kodierung
⬤ bestimmte Ausgaben (z.B. Kindle) haben Formatierungsprobleme.
(basierend auf 21 Leserbewertungen)
Pattern Recognition
Dieses Buch befasst sich mit klassischer und aktueller Theorie und Praxis der überwachten, unüberwachten und halbüberwachten Mustererkennung, um einen vollständigen Hintergrund für Fachleute und Studenten der Ingenieurwissenschaften zu schaffen. Die Autoren, führende Experten auf dem Gebiet der Mustererkennung, haben ein aktuelles, in sich geschlossenes Werk vorgelegt, das dieses breite Spektrum an Informationen zusammenfasst. Die allerneuesten Methoden sind in dieser Ausgabe enthalten: halbüberwachtes Lernen, die Kombination von Clustering-Algorithmen und Relevanz-Feedback.
- Gründlich überarbeitet und mit vielen weiteren Arbeitsbeispielen versehen, um ein besseres Verständnis der verschiedenen Methoden und Techniken zu ermöglichen.
- Viele weitere Diagramme - jetzt zweifarbig - für einen besseren Einblick durch visuelle Darstellung.
- Matlab-Code für die gebräuchlichsten Methoden sind am Ende jedes Kapitels angegeben.
- Weitere Matlab-Codes sind zusammen mit einem begleitenden Handbuch über diese Website verfügbar.
- Aktuelle Themen werden aufgenommen, um den Referenzwert des Textes zu erhöhen, einschließlich nicht-linearer Dimensionalitätsreduktionstechniken, Relevanz-Feedback, halb-überwachtes Lernen, spektrales Clustering, Kombination von Clustering-Algorithmen.
- Ein Begleitbuch mit Matlab-Code für die gebräuchlichsten Methoden und Algorithmen im Buch, zusammen mit einer beschreibenden Zusammenfassung und gelösten Beispielen, einschließlich realer Datensätze in der Bildgebung und der Audioerkennung. Das Begleitbuch wird separat oder zu einem speziellen Paketpreis erhältlich sein (ISBN: 9780123744869).
| ISBN: | 9781597492720 |
| Autor: | |
| Verlag: | |
| Einband: | Hardcover |
| Erscheinungsjahr: | 2008 |
| Seitenzahl: | 984 |
Derzeit verfügbar, auf Lager.
