“Ich habe seit mehr als 25 Jahren einen Graduiertenkurs zur statistischen Mustererkennung unterrichtet, in dem ich viele Bücher mit unterschiedlicher Zufriedenheit verwendet habe. Kürzlich habe ich das Buch von Theodoridis und Koutroumbas (4. Auflage) für meinen Graduiertenkurs zur statistischen Mustererkennung an der University of Maryland angenommen. Dieser Kurs wird von Studenten aus Elektrotechnik, Informatik, Linguistik und angewandter Mathematik durchgeführt. Das umfassende Buch von Thedoridis und Koutroumbas behandelt sowohl traditionelle als auch moderne Themen in der statistischen Mustererkennung in klarer Weise, ohne Kompromisse zu haben. Dieses Buch geht elegant auf die Bedürfnisse von Absolventen aus den oben genannten Disziplinen ein. Dies ist das einzige Buch, das sowohl überwachten als auch unbeaufsichtigten (Clustering-)Techniken gerecht wird. Jeder Student, Forscher und Lehrer, der sich für alle Aspekte der statistischen Mustererkennung interessiert, wird dieses Buch äußerst befriedigend finden. Ich empfehle es sehr hoch.” –Rama Chellappa, University of Maryland “Dieses Buch ist eine ausgezeichnete Referenz für Mustererkennung, maschinelles Lernen und Data Mining. Im Mittelpunkt stehen die Probleme der Klassifizierung und Clusterbildung, die beiden wichtigsten allgemeinen Probleme in diesen Bereichen.
Dieses Buch hat eine enorme Breite und Tiefe in seiner Berichterstattung über diese Themen; es ist eindeutig das beste Buch, das heute zu diesem Thema verfügbar ist. Die Neuauflage ist eine hervorragende, aktuelle Überarbeitung des Buches. Besonders gefiel mir die neue Berichterstattung in verschiedenen Themenbereichen, darunter neue Standpunkte zu Support Vector Machines und die vollständige detaillierte Abdeckung neuer Clustering-Methoden. Dies ist ein herausragendes Merkmal dieses Buches: die Berichterstattung über die Themen ist solide, tief und prinzipientreu. Das Buch ist sehr erfolgreich darin, die wichtigen Punkte in jeder Technik herauszuarbeiten, während es viele interessante Beispiele enthält, um komplizierte Konzepte zu erklären. Ich glaube, dass der Abschnitt über die Reduzierung der Dimensionalität eine ausgezeichnete Darstellung zu diesem Thema ist, unter den besten verfügbaren, und dies ist nur ein Beispiel. In Kombination mit einer in seiner Ausdehnung einzigartigen Berichterstattung eignet sich das Buch als Referenz, als Lehrbuch für Oberstufen- oder Graduiertenklassen und für den Praktiker, der diese Techniken in der Praxis anwenden möchte. Ich bin Professor für Informatik. Obwohl die Mustererkennung nicht mein Hauptaugenmerk liegt, arbeite ich in den verwandten Bereichen Data Mining und Datenbanken. Ich habe dieses Buch für meine eigene Forschung und sehr erfolgreich als Lehrmaterial verwendet. Ich würde dieses Buch sowohl dem akademischen Studenten als auch dem Profi empfehlen.” –Dimitrios Gunopoulos, University of California, Riverside, USA Geben Sie unten Ihre Handynummer oder E-Mail-Adresse ein und wir senden Ihnen einen Link zum Download der kostenlosen Kindle App.