模式識別

第1章 緒論
1.1 模式與模式識別的概念
1.2 模式識別的研究方法
1.3 模式識別的發(fā)展與應用
1.4 本書內(nèi)容的安排
第2章 貝葉斯決策理論
2.1 貝葉斯決策的基本概念
2.2 幾種常用的決策規(guī)則
2.3 正態(tài)分布時的統(tǒng)計決策
2.4 離散情況的貝葉斯決策
2.5 概率密度函數(shù)估計
2.6 分類錯誤率的計算
2.7 本章小結
練習題
第3章 線性與非線性判別函數(shù)
3.1 感知準則函數(shù)
3.2 最小平方誤差準則與最小錯分樣本數(shù)準則
3.3 Fisher線性判別準則
3.4 分段線性判別函數(shù)的基本概念
3.5 二次判別函數(shù)
3.6 本章小結
練習題
第4章 近鄰法則和集群
4.1 最近鄰法
4.2 k近鄰法及模糊k近鄰分類器
4.3 關于近鄰法則的討論
4.4 改進的近鄰法
4.5 集群
4.6 本章小結
練習題
第5章 數(shù)據(jù)聚類
5.1 數(shù)據(jù)聚類的三個要點
5.2 模式相似性測度及標準化
5.3 聚類的準則函數(shù)
5.4 分級聚類算法
5.5 動態(tài)聚類法
5.6 聚類有效性分析
5.7 本章小結
練習題
第6章 特征抽取和選擇
6.1 特征抽取和選擇的基本概念
6.2 類別可分離性判據(jù)
6.3 特征抽取方法
6.4 特征選擇方法
6.5 本章小結
練習題
第7章 統(tǒng)計學習理論與支持向量機方法
7.1 機器學習的基本問題與方法
7.2 統(tǒng)計學習理論的核心內(nèi)容
7.3 支持向量機
7.4 本章小結
練習題
第8章 句法分析及句法結構模式識別方法
8.1 形式語言理論概述
8.2 正規(guī)語言的句法分析方法
8.3 算子優(yōu)先算法
8.4 CYK算法
8.5 Earley算法
8.6 隨機文法
8.7 屬性文法
8.8 本章小結
練習題
第9章 模式識別技術應用實例
9.1 指紋識別系統(tǒng)應用實例
9.2 IC卡應用實例
9.3 入侵檢測系統(tǒng)應用實例
9.4 字符識別應用實例
9.5 本章小結
　練習題
參考文獻