目 录__eol__第1章 绪论 1__eol__1.1 模式识别的基本概念 1__eol__1.1.1 生物的识别能力 1__eol__1.1.2 模式识别的概念 2__eol__1.1.3 模式识别的特点 2__eol__1.1.4 模式的描述方法及特征空间 4__eol__1.2 模式识别系统的组成和主要方法 5__eol__1.2.1 模式识别系统的组成 5__eol__1.2.2 模式识别的方法 7__eol__1.3 模式识别的应用 9__eol__1.3.1 文字识别 9__eol__1.3.2 语音识别 10__eol__1.3.3 指纹识别 10__eol__1.3.4 遥感图像识别 11__eol__1.3.5 医学诊断 11__eol__1.4 全书内容简介 12__eol__习题及思考题 13__eol__第2章 贝叶斯决策理论 14__eol__2.1 几个重要的概念 14__eol__2.2 几种常用的决策规则 15__eol__2.2.1 基于最小错误率的贝叶斯决策 16__eol__2.2.2 最小风险判别规则 18__eol__2.2.3 最大似然比判别规则 20__eol__2.2.4 Neyman-Pearson判别规则 22__eol__2.3 正态分布中的Bayes分类方法 26__eol__2.4 MATLAB程序实现 33__eol__习题及思考题 37__eol__第3章 概率密度函数的参数估计 39__eol__3.1 概率密度函数估计概述 39__eol__3.2 最大似然估计 40__eol__3.3 贝叶斯估计与贝叶斯学习 42__eol__3.4 非参数估计 47__eol__3.4.1 非参数估计的基本方法 48__eol__3.4.2 Parzen窗法 50__eol__3.4.3 -近邻估计法 54__eol__3.5 MATLAB示例 55__eol__习题及思考题 60__eol__第4章 非参数判别分类方法 62__eol__4.1 线性分类器 62__eol__4.1.1 线性判别函数的基本概念 62__eol__4.1.2 多类问题中的线性判别函数 64__eol__4.1.3 广义线性判别函数 68__eol__4.1.4 线性分类器的主要特性及设计步骤 70__eol__4.1.5 感知器算法 74__eol__4.1.6 Fisher线性判别函数 79__eol__4.2 非线性判别函数 84__eol__4.2.1 非线性判别函数与分段线性判别函数 84__eol__4.2.2 基于距离的分段线性判别函数 85__eol__4.3 支持向量机 87__eol__4.3.1 线性可分情况 87__eol__4.3.2 线性不可分情况 89__eol__4.4 MATLAB示例 91__eol__习题及思考题 94__eol__第5章 聚类分析 95__eol__5.1 模式相似性测度 95__eol__5.1.1 距离测度 96__eol__5.1.2 相似测度 99__eol__5.1.3 匹配测度 100__eol__5.2 类间距离测度方法 102__eol__5.2.1 最短距离法 102__eol__5.2.2 最长距离法 102__eol__5.2.3 中间距离法 102__eol__5.2.4 重心法 103__eol__5.2.5 平均距离法（类平均距离法） 103__eol__5.3 聚类准则函数 105__eol__5.3.1 误差平方和准则 105__eol__5.3.2 加权平均平方距离和准则 106__eol__5.3.3 类间距离和准则 107__eol__5.3.4 离散度矩阵 107__eol__5.4 基于距离阈值的聚类算法 108__eol__5.4.1 最近邻规则的聚类算法 109__eol__5.4.2 最大最小距离聚类算法 109__eol__5.5 动态聚类算法 111__eol__5.5.1 C-均值聚类算法 111__eol__5.5.2 ISODATA聚类算法 115__eol__5.6 MATLAB示例 121__eol__习题及思考题 126__eol__第6章 特征提取与选择 128__eol__6.1 类别可分性判据 128__eol__6.2 基于距离的可分性判据 129__eol__6.3 按概率距离判据的特征提取方法 131__eol__6.4 基于熵函数的可分性判据 134__eol__6.5 基于Karhunen-Loeve变换的特征提取 135__eol__6.5.1 Karhunen-Loeve变换 135__eol__6.5.2 使用K-L变换进行特征提取 138__eol__6.6 特征选择 141__eol__6.6.1 次优搜索法 142__eol__6.6.2 最优搜索法 143__eol__6.7 MATLAB举例 145__eol__习题及思考题 147__eol__第7章 模糊模式识别 148__eol__7.1 模糊数学的基础知识 148__eol__7.1.1 集合及其特征函数 148__eol__7.1.2 模糊集合 149__eol__7.1.3 模糊集合的 水平截集 154__eol__7.1.4 模糊关系及模糊矩阵 155__eol__7.2 模糊模式识别方法 156__eol__7.2.1 最大隶属度识别法 157__eol__7.2.2 择近原则识别法 157__eol__7.2.3 基于模糊等价关系的聚类方法 159__eol__7.2.4 模糊C-均值聚类 161__eol__7.3 MATLAB程序设计 163__eol__习题及思考题 165__eol__第8章 神经网络在模式识别中的应用 167__eol__8.1 人工神经网络的基础知识 167__eol__8.1.1 人工神经网络的发展历史 167__eol__8.1.2 生物神经元 168__eol__8.1.3 人工神经元 168__eol__8.1.4 人工神经网络的特点 169__eol__8.2 前馈神经网络 169__eol__8.2.1 感知器 170__eol__8.2.2 多层感知器 171__eol__8.3 自组织特征映射网络 173__eol__8.3.1 网络结构 173__eol__8.3.2 网络的识别过程 174__eol__8.3.3 网络的学习过程 174__eol__8.4 径向基函数（RBF）神经网络 175__eol__8.4.1 网络结构 175__eol__8.4.2 径向基函数 176__eol__8.4.3 网络的学习过程 176__eol__8.5 深度学习 177__eol__8.5.1 深度学习介绍 178__eol__8.5.2 受限玻尔兹曼机 178__eol__8.5.3 深度置信网络 180__eol__8.5.4 卷积神经网络 181__eol__8.6 MATLAB举例 183__eol__习题及思考题 188__eol__ __eol__第9章 模式识别的工程应用 190__eol__9.1 基于BP神经网络的手写数字识别 190__eol__9.1.1 整体方案设计 190__eol__9.1.2 字符图像的特征提取 191__eol__9.1.3 BP神经网络的设计 195__eol__9.1.4 BP神经网络的训练 197__eol__9.1.5 BP神经网络的识别 197__eol__9.2 基于朴素贝叶斯的中文文本分类 198__eol__9.2.1 文本分类原理 199__eol__9.2.2 文本特征提取 199__eol__9.2.3 朴素贝叶斯分类器设计 201__eol__9.2.4 测试文本分类 202__eol__9.3 基于PCA（主要成分分析）和SVM（支持向量机）的人脸识别 205__eol__9.3.1 人脸图像获取 205__eol__9.3.2 人脸图像预处理 206__eol__9.3.3 人脸图像特征提取 207__eol__9.3.4 SVM分类器的设计和分类 209__eol__9.4 基于隐马尔科夫模型的语音识别 210__eol__9.4.1 语音识别的原理 210__eol__9.4.2 语音采集 211__eol__9.4.3 语音信号的预处理 212__eol__9.4.4 MFCC特征参数提取 216__eol__9.4.5 HMM模型训练 217__eol__9.4.6 识别处理 218__eol__参考文献 219__eol____eol__