本书依据作者多年从事模式识别教学和研究的体会,并参考相关文献编写而成,概括地介绍了模式识 别理论和技术的基本概念、原理、方法和实现。 全书共分为11章,每章阐述模式识别中的一个知识点,内容包括贝叶斯决策、概率密度函数的估计、 线性判别分析、非线性判别分析、组合分类器、无监督模式识别、特征选择、特征提取、半监督学习以及人工 神经网络。除了经典算法以外,本书增加了部分较新的理论和算法,读者可以选择性地学习。本书还配以 电子课件、MATLAB仿真程序和实验指导书,便于教和学。 本书可以作为高等学校人工智能、计算机、信息、自动化、遥感、控制等专业本科生或研究生的教材或 参考书,也可以作为从事相关研究与应用人员的参考书。

《图像识别技术与实战（OpenCV+dlib+Keras+Sklearn+TensorFlow）》循序渐进地讲解了使用Python语言实现图像视觉识别的核心知识，并通过具体实例的实现过程演练了图像视觉识别的方法和流程。全书共12章，分别讲解了图像识别技术基础，scikit-image数字图像处理，OpenCV图像视觉处理，dlib机器学习和图像处理算法，face_recognition人脸识别，Scikit-Learn机器学习和人脸识别，TensorFlow机器学习和图像识别，国内常用的第三方人脸识别平台，AI人脸识别签到打卡系统(PyQt5+百度AI+OpenCV-Python+SQLite3实现)，基于深度学习的AI人脸识别系统(Flask+OpenCV-Python+Keras+Sklearn实现)，AI考勤管理系统(face-recognition+Matplotlib+Django+Scikit-Learn+dlib实现)，AI小区停车计费管理系统。全书讲解简洁而不失技术深度，内容丰富全面，并且易于阅读，以极简的文字介绍了复杂的案例，是学习Python图像视觉识别的实用教程。 《图像识别技术与实战（OpenCV+dlib+Keras+Sklearn+TensorFlow）》适用于已经了解Python语言基础语法的读者，并且适应于希望进一步提高自己Python开发水平的读者，还可以作为大专院校相关专业的师生用书和培训机构的专业教材。

系统介绍模式识别的基本概念、理论体系、典型方法以及实际应用实例，强调基础性和实用性，同时兼顾学科发展的最新动向，包括了各种典型方法在R和Matlab环境下的现有程序和应用方法，并包括了对针对大数据应用的模式识别方法的讨论。

《TensorFlow语音识别实战/人工智能技术丛书》使用新的TensorFlow□作为语音识别的基本框架，引导读者入门并掌握基于深度学习语音识别基本理论、概念以及实现实际项目。 《TensorFlow语音识别实战/人工智能技术丛书》内容循序渐进，从搭建环境开始，逐步深入理论、代码及应用实践，是语音识别技术图书的好选择。 《TensorFlow语音识别实战/人工智能技术丛书》分为10章，内容包括语音识别概况与开发环境搭建、TensorFlow和Keras、深度学□□理论基础、卷积层与MNIST实战、TensorFlowDatasets和TensorBoard详解、ResNet模型、使用循环神经网络的语音识别实战、有趣的词嵌入实战、语音识别中的转换器实战、语音汉字转换实战。 《TensorFlow语音识别实战/人工智能技术丛书》内容详尽、示例丰富，适合作为语音识别和深度学习初学者必备的参考书，同时非常适合作为高等院校和培训机构人工智能及相关专业师生的参考教材。

本书共三部分。第I部分介绍常见硬件平台（如Vim3、树莓派等）和Python语法，为读者构建硬件基础和编程能力。第II部分探讨数字图像处理基础，包含基础操作、几何变换、图像滤波、边缘检测、特征提取等，让读者掌握图像处理技能。第III部分涵盖五个应用案例，包括人脸识别、目标跟踪、文本识别、条形码/二维码识别和视觉机器臂，每案例包括理论基础和实现过程。通过本书，读者可以系统地了解机器视觉领域的三大重要方面，从实践环境的搭建与配置，到图像处理技术的应用，再到模式识别的实际案例。

本书系统介绍了智能视频检测与识别中的主要原理、方法和技术。智能视频分析技术，特别是检测与识别技术，在智慧城市、平安城市和公共安防领域的应用，是目前人工智能最好的落地场景应用。引领了人工智能技术的发展方向，推动了信息和计算机学科的发展，同时为人们生活的安全便捷提供了保障。本书按照技术应用分为检测篇和识别篇，检测篇包括视频目标检测、无人机对地目标检测、人脸检测、行人检测、车辆检测、异常检测；识别篇包括人脸识别、行人再识别、行为识别、场景文字识别与车牌识别。系统介绍了相关的算法和实现过程，内容丰富，既阐述方法原理，图文并茂；又贴近实际应用，是本领域的学者、研究者、大专院校师生和工程技术人员极具参考价值的一部介绍相关科学原理、技术方法和实际应用的图书。

模式识别是人工智能技术的重要分支，也是实现机器智能的重要手段。本书作为该领域的入门教材，介绍了各类典型的模式识别的理论与方法。全书共10章。第1章为绪论；第2~5章介绍与模式识别相关的人工智能基础知识，包括智能 Agent、确定性知识表示与推理、搜索策略、智能优化算法等；第6章介绍特征提取与选择方法，应用于模式识别中的预处理过程；第7~10章介绍各种典型的模式识别模型和算法，包括基于判别函数的分类方法、基于概率的分类方法、人工神经网络,以及聚类分析。 本书可作为高等院校电子信息类、计算机类、自动化类及相关专业的本科生或研究生教材，也可供对人工智能、模式识别、机器学习、数据挖掘等领域感兴趣的研究人员和工程技术人员参考。

本书是在《模式识别与人工智能（基于MATLAB）》的基础上写作而成，为了适应模式识别算法的新发展、满足各层次读者的学习需求，在原有基础上增加了大量新内容，包括细化各章的内容和增加三种新算法。本书广泛涉及统计学、模糊控制、神经网络、人工智能等学科的思想和理论，将模式识别与人工智能理论和实际应用相结合，针对具体案例进行算法设计和分析，并运用MATLAB程序实现。全书共分为12章，内容包括模式识别概述、贝叶斯分类器设计、判别函数分类器设计、聚类分析、模糊聚类分析、神经网络聚类设计、模拟退火算法聚类设计、遗传算法聚类设计、蚁群算法聚类设计、粒子群算法聚类设计、免疫算法、禁忌搜索算法。覆盖了各种常用的模式识别技术。 本书可作为高等院校自动化、计算机、电子信息类等专业研究生和高年级本科生的教材,也可作为各行各业学习模式识别和机器学习的工程技术人员的参考用书。

《PyTorch语音识别实战》使用PyTorch 2.0作为语音识别的基本框架，循序渐进地引导读者从搭建环境开始，逐步深入到语音识别基本理论、算法以及应用实践，是较好的一本语音识别技术图书。本书配套示例源码、数据集、PPT课件等资源。 《PyTorch语音识别实战》分为13章，内容包括语音识别之路、PyTorch 2.0深度学习环境搭建、音频信号处理的理论与Python实战、音频处理常用工具包Librosa详解与实战、基于DNN的语音情绪分类识别、一学就会的深度学习基础算法、基于PyTorch卷积层的语音情绪分类识别、词映射与循环神经网络、基于Whisper的语音转换实战、注意力机制与注意力模型详解、鸟叫的多标签分类实战、多模态语音转换模型基础、GLM架构多模态语音文字转换实战。 《PyTorch语音识别实战》内容详尽、示例丰富，适合作为语音识别初学者、深度学习初学者、语音识别技术人员的必备参考书，同时也非常适合作为高等院校或高职高专深度学习、语音识别等课程的教材。

本教材系国家级综合改革试点专业——电子信息工程及其自动识别技术方向课程建设的成果。本书根据应用型人才的培养目标和“应用为本、学以致用”的办学理念，贯彻“精、新、实”的编写原则，以“必需、够用”为度，精选必需的内容，其余内容引导学生根据兴趣和需要，有目的、有针对性地自学。本书的编写突出了以下主要特点：案例导入，更易激发学生的学习兴趣；图文并茂、重在应用，既重历史，又体现最新应用的情况，尤其是身边的事例；采用结构式描述，易读、易懂、易学、易记。 本书既可以作为应用型本科信息类各专业的自动识别技术课程教材，也可以作为非信息类专业学生及物联网技术、物流技术、自动识别技术企业及相关应用单位人员学习自动识别技术的入门书籍。