Pattern Classification (2nd Edition) und über 1,5 Millionen weitere Bücher verfügbar für Amazon Kindle. Erfahren Sie mehr


oder
Loggen Sie sich ein, um 1-Click® einzuschalten.
Jetzt eintauschen
und EUR 22,35 Gutschein erhalten
Eintausch
Alle Angebote
Möchten Sie verkaufen? Hier verkaufen
Jeder kann Kindle Bücher lesen  selbst ohne ein Kindle-Gerät  mit der KOSTENFREIEN Kindle App für Smartphones, Tablets und Computer.
Beginnen Sie mit dem Lesen von Pattern Classification auf Ihrem Kindle in weniger als einer Minute.

Sie haben keinen Kindle? Hier kaufen oder eine gratis Kindle Lese-App herunterladen.

Pattern Classification (Electrical & Electronics Engr) [Englisch] [Gebundene Ausgabe]

Richard O. Duda , Peter E. Hart , David G. Stork
5.0 von 5 Sternen  Alle Rezensionen anzeigen (4 Kundenrezensionen)
Preis: EUR 141,40 kostenlose Lieferung Siehe Details.
  Alle Preisangaben inkl. MwSt.
o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o
Nur noch 3 auf Lager (mehr ist unterwegs).
Verkauf und Versand durch Amazon. Geschenkverpackung verfügbar.
Lieferung bis Mittwoch, 5. November: Wählen Sie an der Kasse Morning-Express. Siehe Details.
‹  Zurück zur Artikelübersicht

In diesem Buch (Mehr dazu)
Einleitungssatz
Bayesian decision theory is a fundamental statistical approach to the problem of pattern classification. Lesen Sie die erste Seite
Ausgewählte Seiten ansehen
Buchdeckel | Copyright | Inhaltsverzeichnis | Auszug | Stichwortverzeichnis | Rückseite
Hier reinlesen und suchen:

Wortanzeiger (Mehr dazu)
Die 100 am häufigsten verwendeten Wörter in diesem Buch.
algorithm  approach  assume  bayes  between  case  category  chapter  classification  classifier  clusters  complexity  component  consider  criterion  data  decision  density  different  discriminant  distance  distribution  eq  error  estimate  example  feature  fig  figure  find  first  following  form  function  gaussian  general  given  hidden  however  information  input  large  learning  let  linear  matrix  may  mean  methods  minimum  model  must  network  neural  new  node  number  output  parameters  particular  pattern  points  prior  probability  problem  procedures  rate  recognition  results  rule  samples  section  set  shall  show  shown  simple  single  small  solution  space  state  string  suppose  test  thus  time  training  tree  two  units  use  used  value  variables  variance  vector  weights  x2  xi 
‹  Zurück zur Artikelübersicht