模式識別（簡體書）

《模式識別/工業和信息化部“十二五”規劃教材》重點介紹模式識別的基本概念和基本方法，在保證理論完整性的前提下，詳細討論具體算法的基本思想、實現方法、優缺點以及適用領域，使讀者在了解模式識別基本理論的同時能夠掌握分類器設計方法，通過具體的應用實例和實踐環節，幫助讀者盡快做到理論與實踐的結合，掌握模式識別方法用以解決在具體應用中所遇到的問題。
《模式識別/工業和信息化部“十二五”規劃教材》主要面向初學者和有一定自學能力的科研工作者，致力于對模式識別理論框架下概念的準確把握和算法實際應用能力的培養，算法與實用并重。《模式識別/工業和信息化部“十二五”規劃教材》可作為計算機科學與技術、電子科學與技術、控制科學與工程等專業本科生、研究生的教材或教學參考書，也可為其他相關專業人員了解模式識別方法提供入門參考。

第1章 緒論
　1.1 模式識別的應用
　1.2 模式識別系統
　1.3 模式識別方法
　1.4 內容安排
第2章 距離分類器
　2.1 距離分類器
　2.1.1 距離分類器的一般形式
　2.1.2 模板匹配
　2.1.3 最近鄰分類
　2.1.4 最近鄰分類器的加速
　2.1.5 K-近鄰算法
　2.2 距離和相似性度量
　2.2.1 距離度量
　2.2.2 相似性度量 第1章 緒論
　1.1 模式識別的應用
　1.2 模式識別系統
　1.3 模式識別方法
　1.4 內容安排
第2章 距離分類器
　2.1 距離分類器
　2.1.1 距離分類器的一般形式
　2.1.2 模板匹配
　2.1.3 最近鄰分類
　2.1.4 最近鄰分類器的加速
　2.1.5 K-近鄰算法
　2.2 距離和相似性度量
　2.2.1 距離度量
　2.2.2 相似性度量
　2.2.3 Matlab實現
　2.3 分類器性能評價
　2.3.1 評價指標
　2.3.2 評價方法
　本章小結
　習題
第3章 聚類分析
　3.1 無監督學習與聚類
　3.1.1 為什么要進行無監督學習
　3.1.2 聚類分析的應用
　3.1.3 聚類分析的過程
　3.1.4 聚類問題的描述
　3.2 簡單聚類方法
　3.2.1 順序聚類
　3.2.2 最大最小距離聚類
　3.3 譜系聚類
　3.3.1 譜系聚類合并算法
　3.3.2 算法實現
　3.3.3 譜系聚類分裂算法
　3.4 K-均值聚類
　3.4.1 K均值算法
　3.4.2 算法的改進
　3.5 聚類檢驗
　3.5.1 聚類結果的檢驗
　3.5.2 聚類數的間接選擇
　3.5.3 聚類數的直接選擇
　本章小結
　習題
第4章 線性判別函數分類器
　4.1 線性判別函數和線性分類界面
　4.1.1 線性判別函數
　4.1.2 三個斷言的證明
　4.2 感知器算法
　4.2.1 感知器準則
　4.2.2 感知器算法
　4.2.3 感知器算法存在的問題
　4.3 最小平方誤差算法
　4.3.1 平方誤差準則
　4.3.2 最小平方誤差算法
　4.4 線性判別函數分類器用于多類別問題
　4.4.1 一對多方式
　4.4.2 -對一方式
　4.4.3 擴展的感知器算法
　4.4.4 感知器網絡
　本章小結
　習題
第5章 特征選擇與特征提取
　5.1 類別可分性判據
　5.1.1 基于距離的可分性判據
　5.1.2 基于散布矩陣的可分性判據
　5.2 特征選擇
　5.2.1 分支定界法
　5.2.2 次優搜索算法
　5.3 特征提取
　5.3.1 主成分分析
　5.3.2 基于Fisher準則的可分性分析
　本章小結
　習題
第6章 非線性判別函數分類器
第7章 統計分類器及其學習
第8章 模式識別應用系統實例