目 录__eol__第1章 导论 1__eol__1.1 模式识别的重要性 1__eol__1.2 特征、特征向量和分类器 3__eol__1.3 监督、无监督和半监督学习 4__eol__1.4 MATLAB程序 6__eol__1.5 本书的章节安排 6__eol__第2章 基于贝叶斯决策理论的分类器 8__eol__2.1 引言 8__eol__2.2 贝叶斯决策理论 8__eol__2.3 判别函数和决策面 12__eol__2.4 正态分布的贝叶斯分类 13__eol__2.5 未知概率密度函数的估计 23__eol__2.6 最近邻准则 41__eol__2.7 贝叶斯网络 44__eol__习题 48__eol__MATLAB编程与练习 54__eol__参考文献 58__eol__第3章 线性分类器 61__eol__3.1 引言 61__eol__3.2 线性判别函数和决策超平面 61__eol__3.3 感知器算法 62__eol__3.4 最小二乘法 68__eol__3.5 均方估计回顾 73__eol__3.6 逻辑斯蒂判别 78__eol__3.7 支持向量机 79__eol__习题 94__eol__MATLAB编程和练习 96__eol__参考文献 97__eol__第4章 非线性分类器 101__eol__4.1 引言 101__eol__4.2 异或问题 101__eol__4.3 两层感知器 102__eol__4.4 三层感知器 105__eol__4.5 基于训练集准确分类的算法 106__eol__4.6 反向传播算法 107__eol__4.7 反向传播算法的变体 112__eol__4.8 代价函数的选择 114__eol__4.9 神经网络大小的选择 116__eol__4.10 仿真实例 119__eol__4.11 共享权重的网络 120__eol__4.12 广义线性分类器 121__eol__4.13 线性二分分类器中l维空间的容量 123__eol__4.14 多项式分类器 124__eol__4.15 径向基函数网络 125__eol__4.16 通用逼近器 128__eol__4.17 概率神经网络 129__eol__4.18 支持向量机：非线性情形 130__eol__4.19 其他SVM范式 134__eol__4.20 决策树 142__eol__4.21 组合分类器 146__eol__4.22 增强组合分类器的方法 151__eol__4.23 类别不平衡问题 156__eol__4.24 讨论 157__eol__习题 157__eol__MATLAB编程和练习 160__eol__参考文献 163__eol__第5章 特征选择 173__eol__5.1 引言 173__eol__5.2 预处理 173__eol__5.3 峰值现象 175__eol__5.4 基于统计假设检验的特征选择 177__eol__5.5 接收机工作特性曲线 182__eol__5.6 类别可分性判据 183__eol__5.7 特征子集选择 188__eol__5.8 最优特征生成 191__eol__5.9 神经网络和特征生成/选择 198__eol__5.10 关于泛化理论的提示 199__eol__5.11 贝叶斯信息准则 205__eol__习题 206__eol__MATLAB编程和练习 208__eol__参考文献 211__eol__第6章 特征生成I：数据变换和降维 216__eol__6.1 引言 216__eol__6.2 基向量和图像 216__eol__6.3 Karhunen-Loève变换 218__eol__6.4 奇异值分解 224__eol__6.5 独立成分分析 229__eol__6.6 非负矩阵因子分解 234__eol__6.7 非线性降维 235__eol__6.8 离散傅里叶变换 243__eol__6.9 离散余弦和正弦变换 245__eol__6.10 哈达玛变换 246__eol__6.11 哈尔变换 247__eol__6.12 重新审视哈尔展开式 248__eol__6.13 离散时间小波变换 251__eol__6.14 多分辨率解释 258__eol__6.15 小波包 259__eol__6.16 二维推广简介 260__eol__6.17 应用 262__eol__习题 265__eol__MATLAB编程和练习 267__eol__参考文献 269__eol__第7章 特征生成II 276__eol__7.1 引言 276__eol__7.2 区域特征 276__eol__7.3 形状和尺寸特征 292__eol__7.4 分形简介 298__eol__7.5 语音和声音分类的典型特征 303__eol__习题 313__eol__MATLAB编程和练习 315__eol__参考文献 318__eol__第8章 模板匹配 324__eol__8.1 引言 324__eol__8.2 基于最优路径搜索技术的度量 324__eol__8.3 基于相关的度量 335__eol__8.4 可变形模板模型 339__eol__8.5 基于内容的信息检索：相关反馈 342__eol__习题 345__eol__MATLAB编程和练习 345__eol__参考文献 347__eol__第9章 上下文相关分类 350__eol__9.1 引言 350__eol__9.2 贝叶斯分类器 350__eol__9.3 马尔可夫链模型 350__eol__9.4 Viterbi算法 351__eol__9.5 信道均衡 354__eol__9.6 隐马尔可夫模型 357__eol__9.7 基于状态持续时间建模的HMM 365__eol__9.8 使用神经网络训练马尔可夫模型 370__eol__9.9 马尔可夫随机场的讨论 371__eol__习题 373__eol__MATLAB编程和练习 373__eol__参考文献 375__eol__第10章 监督学习：尾声 380__eol__10.1 引言 380__eol__10.2 错误计数法 380__eol__10.3 利用有限大小的数据集 381__eol__10.4 医学成像实例研究 384__eol__10.5 半监督学习 386__eol__习题 394__eol__参考文献 395__eol__第11章 集聚：基本概念 399__eol__11.1 引言 399__eol__11.2 邻近度 403__eol__习题 417__eol__参考文献 418__eol__第12章 集聚算法I：顺序算法 420__eol__12.1 引言 420__eol__12.2 集聚算法的分类 421__eol__12.3 顺序集聚算法 423__eol__12.4 改进的BSAS 426__eol__12.5 双阈值顺序算法 427__eol__12.6 细化阶段 429__eol__12.7 神经网络实现 430__eol__习题 432__eol__MATLAB编程和练习 434__eol__参考文献 435__eol__第13章 集聚算法II：层次算法 438__eol__13.1 引言 438__eol__13.2 合并算法 438__eol__13.3 同型矩阵 455__eol__13.4 分裂算法 456__eol__13.5 用于大数据集的层次算法 457__eol__13.6 选择最优的聚类数 462__eol__习题 464__eol__MATLAB编程和练习 465__eol__参考文献 466__eol__第14章 集聚算法III：基于函数优化的方法 469__eol__14.1 引言 469__eol__14.2 混合分解方法 470__eol__14.3 模糊集聚算法 476__eol__14.4 可能性聚类 491__eol__14.5 硬集聚算法 495__eol__14.6 向量量化 501__eol__附录 503__eol__习题 503__eol__MATLAB编程和练习 505__eol__参考文献 507__eol__第15章 集聚算法IV 512__eol__15.1 引言 512__eol__15.2 基于图论的集聚算法 512__eol__15.3 竞争学习算法 522__eol__15.4 二值形态学集聚算法 528__eol__15.5 边界检测算法 534__eol__15.6 寻谷集聚算法 536__eol__15.7 代价优化集聚回顾 538__eol__15.8 核集聚算法 543__eol__15.9 处理大数据集的基于密度的算法 546__eol__15.10 高维数据集的集聚算法 550__eol__15.11 其他集聚算法 560__eol__15.12 组合集聚 561__eol__习题 565__eol__MATLAB编程和练习 567__eol__参考文献 569__eol__第16章 聚类有效性 578__eol__16.1 引言