Vor Ort
Merkzettel Warenkorb
Produktbild: A Probabilistic Theory of Pattern Recognition
Band 31 - 10%

A Probabilistic Theory of Pattern Recognition

Aus der Reihe Stochastic Modelling and Applied Probability
10% sparen

95,99 € UVP 106,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

22.11.2013

Abbildungen

XV, 638 p.

Verlag

Springer Us

Seitenzahl

638

Maße (L/B/H)

23,5/15,5/3,6 cm

Gewicht

984 g

Auflage

Softcover reprint of the original 1st ed. 1996

Sprache

Englisch

ISBN

978-1-4612-6877-2

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

22.11.2013

Abbildungen

XV, 638 p.

Verlag

Springer Us

Seitenzahl

638

Maße (L/B/H)

23,5/15,5/3,6 cm

Gewicht

984 g

Auflage

Softcover reprint of the original 1st ed. 1996

Sprache

Englisch

ISBN

978-1-4612-6877-2

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: ProductSafety@springernature.com

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
  • Produktbild: A Probabilistic Theory of Pattern Recognition
  • Preface * Introduction * The Bayes Error * Inequalities and alternate

    distance measures * Linear discrimination * Nearest neighbor rules *

    Consistency * Slow rates of convergence Error estimation * The regular

    histogram rule * Kernel rules Consistency of the k-nearest neighbor

    rule * Vapnik-Chervonenkis theory * Combinatorial aspects of Vapnik-

    Chervonenkis theory * Lower bounds for empirical classifier selection

    * The maximum likelihood principle * Parametric classification *

    Generalized linear discrimination * Complexity regularization *

    Condensed and edited nearest neighbor rules * Tree classifiers * Data-

    dependent partitioning * Splitting the data * The resubstitution

    estimate * Deleted estimates of the error probability * Automatic

    kernel rules * Automatic nearest neighbor rules * Hypercubes and

    discrete spaces * Epsilon entropy and totally bounded sets * Uniform

    laws of large numbers * Neural networks * Other error estimates *

    Feature extraction * Appendix * Notation * References * Index