CONTENIDO: Introduction
Classifiers Based on Bayes Decision Theory
Linear Classifiers
Non Linear Classifiers
Feature Selection
Feature Generation I: Linear Transforms
Feature Generation II
Template Matching
Context Dependent Classification
System Evaluation
Clustering: Basic Concepts
Clustering Algorithms I: Sequential Algorithms
Clustering Algorithms II: Hierarchical Algorithms
Clustering Algorithms III: Schemes Based on Function Optimization
Clustering Algorithms IV
Cluster Validity
Appendices
Resumen
Este libro considera la teoría clásica y actual y práctica, de reconocimiento supervisado, no supervisado y patrón semi-supervisado, para construir un completo entorno para los profesionales y estudiantes de ingeniería. Los autores, los principales expertos en el campo del reconocimiento de patrones, han proporcionado información sobre los métodos más recientes del aprendizaje semi-supervisado, combinando algoritmos de agrupamiento, retroalimentación y pertinencia.
