جزوه داده کاوی با موضوع بازشناسی آماری الگو که توسط رضا قادری به صورت پاورپوینت تهیه شده است را با فرمت PDF در ده فصل از لینک زیر می توانید دانلود کنید.
معمولا نخستين گام انسان براي مواجهه با يك مسئله شناسائي آن است. مسئله باز خواني شناسائي هاي قبلي به بازشناسي (Recognition) موسوم است كه عبارت است از: نسبت دادن موردي كه بايد شناسايي شود، به مواردي كه قبلا در مورد آنها شناسايي صورت گرفته است.
همچنین بخوانید: پایان نامه کارشناسی ارشد IT با تکنیک های داده کاوی
فهرست مطالب جزوه بازشناسی آماری الگو :
فصل اول: معرفي بحث
- مقدمه
- چند تعريف
- بررسي يك مثال
- تشخيص گام ها و مراحل
- استراتژي هاي اصلي بازشناسي الگو
- معرفي سر فصل ها و مراجع
- خلاصه بحث
فصل دوم: مفاهيم اوليه در بازشناسي آماري (مقدمه اي بر تئوري احتمال)
- يادآوري رويكرد هاي اساسي در PR
- تشريح ايده ها و مفاهيم اصلي طبقه بندي آماري
- تشريح مسائل اصلي در SPR
- مقدمه اي در مفاهيم اوليه احتمالات
- معرفي احتمال شرطي و فرمول Bayes
- توابع چگالي توزيع و پارامتر هاي معمول
- معرفي تابع توزيع نرمال
فصل سوم: فرآيند طراحي كلاسيفاير توابع جدا ساز
- مقدمه و ياد آوري
- رويكرد هاي اصلي طبقه بندي
- لحاظ كردن ريسك و خطا
- طراحي كلاسيفاير به شكل يك فرآيند بهينه سازي
- معرفي توابع جدا ساز
- خلاصه بحث
همچنین بخوانید: دانش داده کاوی
فصل چهارم: یادگیری – تخمین پارامتری تابع توزیع
- يادآوري كلي بحث
- شرايط عملي مسئله كلاسه بندي- در دست بودن مثال ها
- يادگيري و انواع آن
- انواع مسائل و روش هاي يادگيري در SPR
- تخمين تابع توزيع
- تخمين بيشترين شباهت
- تخمین Bayesian
- مقايسه دو روش
- خلاصه بحث
فصل پنجم: تخمين احتمال و چگالي احتمال (روش هاي غير پارامتري)
- مقدمه و يادآوري
- چرا روش هاي غير پارامتري
- هيستوگرام چند بعدي
- روش Parzen window
- روش KNN
- روش مدل چگالي مختلط Mixture Model Density
- خلاصه بحث
فصل ششم: بازنمايي نمونه ها (استخراج و انتخاب مشخصه ها)
- مقدمه و جايگاه بحث
- استخراج مشخصه ها
- رويكرد هاي اصلي با مربي و بدون مربي
- تقسيم بندي روش ها
- تحليل مولفه هاي اساسي و جدايي پذيري خطي
همچنین بخوانید: نرم افزار weka
فصل هفتم: طراحي طبقه بندي كننده (كلاسيفاير) – كلاسيفاير هاي خطي
- مقدمه و جايگاه بحث
- طراحي كلاسيفاير در بازشناسي الگو
- معمولترين روش هاي طرح كلاسيفاير
- سيستم هاي خطي كلالاسيفايرو مزيت هاي آن
- معرفي مباني طراحي كلاسيفاير خطي
- تعميم توابع جدا ساز خطي
- خلاصه و نتيجه گيري از بحث
فصل هشتم: كلاسيفايرهاي معمول – درخت تصميم
- مقدمه و يادآوري موقعيت بحث
- ايده اساسي درخت تصميم
- بررسي يك مثال ابتدايي
- عمليات اصلي در ساخت درخت
- مشخصه ها Features
- معرفي الگوريتم هاي معروف
فصل نهم: ماشين هاي بردار پشتيبان
- مقدمه
- ایده Margin و تاثير آن در قابليت تعميم
- تشريح تئوري support vector machines (svm)
- تعميم ايده SVM به مسائلي كه داراي جدايي پذيري خطي نیستند
- معرفي كرنل هاي متداول
- تعميم ايده SVM براي مسائل چند كلاسه
فصل دهم: طبقه بندي با يادگيري بدون مربي
- مقدمه
- جدايي پذيري و توزيع هاي مختلط
- تخمين بيشترين احتمال(شباهت)، كاربرد در حالت توزيع گوسي
- الگوريتم k-means
- يادگيري بدون مربي Bayesian
- توصيف داده ها و خوشه بندي
- معيار ها براي خوشه بندي
- خوشه بندي سلسله مراتبي
- مسئله تعداد خوشه ها
- قابل قبول بودن نتايج
منبع: نواندیشان
مقالات، مطالب، طرح ها و پروژه های خود را برای قرارگیری در سایت علمی آموزشی نواندیشان از اینجا بفرستید.