《模式识别（第四版）》是2010年电子工业出版社出版的图书，作者是西奥多里蒂斯。
本书由模式识别领域的两位顶级专家合著，全面阐述了模式识别的基础理论、最新方法、以及各种应用。
作　者：(希)SergiosTheodoridis/(希)KonstantinosKoutroumbas，李晶皎等译第1章导论1.1模式识别的重要性1.2特征、特征向量和分类器1.3有监督、无监督和半监督学习1.4MATLAB程序1.5本书的内容安排第2章基于贝叶斯决策理论的分类器2.1引言2.2贝叶斯决策理论2.3判别函数和决策面2.4正态分布的贝叶斯分类2.5未知概率密度函数的估计2.6最近邻规则2.7贝叶斯网络习题MATLAB编程和练习参考文献第3章线性分类器3.1引言3.2线性判别函数和决策超平面3.3感知器算法3.4最小二乘法3.5均方估计的回顾3.6逻辑识别3.7支持向量机习题MATLAB编程和练习参考文献第4章非线性分类器4.1引言4.2异或问题4.3两层感知器4.4三层感知器4.5基于训练集准确分类的算法4.6反向传播算法4.7反向传播算法的改进4.8代价函数选择4.9神经网络大小的选择4.10仿真实例4.11具有权值共享的网络4.12线性分类器的推广4.13线性二分法中1维空间的容量4.14多项式分类器4.15径向基函数网络4.16通用逼近4.17概率神经元网络4.18支持向量机：非线性格况4.19超越SVM的范例4.20决策树4.21合并分类器4.22合并分类器的增强法4.23类的不平衡问题4.24讨论习题MATLAB编程和练习参考文献第5章特征选择5.1引言5.2预处理5.3峰值现象5.4基于统计假设检验的特征选择5.5接收机操作特性（ROC）曲线5.6类可分性测量5.7特征子集的选择5.8最优特征生成5.9神经网络和特征生成/选择5.10推广理论的提示5.11贝叶斯信息准则习题MATLAB编程和练习参考文献第6章特征生成I：线性变换6.1引言6.2基本向量和图像6.3Karhunen-Loève变换6.4奇异值分解6.5独立成分分析6.6非负矩阵因子分解6.7非线性维数降低6.8离散傅里叶变换（DFT）6.9离散正弦和余弦变换6.10Hadamard变换6.11Haar变换6.12回顾Haar展开式6.13离散时间小波变换（DTWT）6.14多分辨解释6.15小波包6.16二维推广简介6.17应用习题MATLAB编程和练习参考文献第7章特征生成II7.1引言7.2区域特征7.3字符形状和大小的特征7.4分形概述7.5语音和声音分类的典型特征习题MATLAB编程和练习参考文献第8章模板匹配8.1引言8.2基于最优路径搜索技术的测度8.3基于相关的测度8.4可变形的模板模型8.5基于内容的信息检索：相关反馈习题MATLAB编程和练习参考文献第9章上下文相关分类9.1引言9.2贝叶斯分类器9.3马尔可夫链模型9.4Viterbi算法9.5信道均衡9.6隐马尔可夫模型9.7状态驻留的HMM9.8用神经网络训练马尔可夫模型9.9马尔可夫随机场的讨论习题MATLAB编程和练习参考文献第10章监督学习：尾声10.1引言10.2误差计算方法10.3探讨有限数据集的大小10.4医学图像实例研究10.5半监督学习习题参考文献第11章聚类：基本概念11.1引言11.2近邻测度习题参考文献第12章聚类算法I：顺序算法12.1引言12.2聚类算法的种类12.3顺序聚类算法12.4BSAS的改进12.5两个阈值的顺序方法12.6改进阶段12.7神经网络的实现习题MATLAB编程和练习参考文献第13章聚类算法II：层次算法13.1引言13.2合并算法13.3cophenetic矩阵13.4分裂算法13.5用于大数据集的层次算法13.6最佳聚类数的选择习题MATLAB编程和练习参考文献第14章聚类算法III：基于函数最优方法14.1引言14.2混合分解方法14.3模糊聚类算法14.4可能性聚类14.5硬聚类算法14.6向量量化附录习题MATLAB编程和练习参考文献第15

为了抑制不平衡负载中的零、负序扰动,提出一种基于载波调制的双级四脚矩阵变换器解决方案;为了提高功率变换系统的综合功能,提出一种基于最优马尔可夫链的随机载波四脚矩阵变换器调制策略。
该调制策略是一种以随机过度矩阵为优化变量,以开关次数和输出电压波形质量为综合优化目标的优化调制策略,同时能一定程度地减轻电磁干扰问题。
由于各功能指标的精确解析描述过于复杂,采用一种近似描述的方法,一方面能有效反映系统的真实功能,另一方面极大简化了优化任务。
仿真与实验结果验证了该方法的正确性。

MFC语言编写的灰色预测模型EXCEL预测分析.doc多变量灰色预测模型算法的Matlab程序.pdf多变量灰色预测模型算法的Matlab程序.txt灰色模型代码GM(1，1)模型的改进与应用及其MATLAB实现.pdf关于GM(1,1)灰色模型MATLAB的程序.pdf用EXCEL实现灰色数列模型GM(1,1)的预测.pdf企业马尔可夫预测的Excel+VBA实现.pdf灰色模型GM(1,1)结合Excel实现药品销售预测.pdf基于EXCEL建立人口灰色预测模型的研究.pdfVBA编程轻松实现.pdf用Excel建立灰色数列预测模型的研究.pdf

马尔可夫过程的特性研究及使用仿真

全书共分三大部分：一、高等概率的基本概念与工具，诸如随机元(含特例随机变量)及其分布，随机元的特征泛函，各种收敛性(含依概率收敛、概率为1地收敛、LP收敛、完全收敛、淡收敛、局部弱收敛及弱收敛等)；
二、概率极限理论，包括大数定律，中心极限定理，重对数律，不变原理，无穷可分律的理论及其应用等；
三、随机过程论，包括可数状态离散时间的马尔可夫链，可数状态连续时间的马尔可夫过程，随机环境中马尔可夫链，鞅论等。
在每章的最初，附有习题与应用。

通过序列计算马尔可夫的k步转移矩阵的MATLAB小程序，初学请指教

具有马尔可夫腾跃参数和区间时变时滞的随机神经网络的新的依赖时滞的全局鲁棒无源分析

2009年写的matlabmdp源码，里面有全部的英文document引见说明

马尔可夫链的c++C言语实现方法非常详细,可以利用已有的文章生成新的风格类似的文章

基于因子隐马尔可夫(FHMM)模型的非侵入式负荷分解,可直接运转，包含真实家庭数据。
采用python代码实现的，

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。