模式识别
2009-11
国防工业
孙即祥//姚伟//滕书华
280
《模式识别》系统地论述了各类经典的模式识别的理论与方法，同时还较全面地反映了本学科的新近科技成果。《模式识别》讨论的主流模式识别技术是：统计模式识别、模糊模式识别、神经网络技术、句法模式识别、信息融合及树分类器方法。全书共7章。第1章为引论，第2章至第6章介绍的统计模式识别，包括：聚类分析、最近邻法、判别域代数界面方程法、统计判决、学习与错误率估计、特征提取与选择，第7章对模糊模式识别方法、神经网络技术、句法模式识别、信息融合及树分类器的基础知识进行了介绍。 《模式识别》可供电子科学与技术、信息与通信工程、控制科学与工程、计算机科学与技术及其他领域的有关专业和研究方向的本科高年级学生及硕士生作为信息分析、检测、识别的教材或教学参考书，也可供相关专业的科研人员参考。
第1章 引论1.1 概述1.1.1 模式识别的概念1.1.2 模式识别系统1.1.3 模式识别的基本方法1.2 特征矢量和特征空间1.3 随机矢量的描述1.4 正态分布1.4.1 正态分布的定义1.4.2 多元正态分布的性质第2章 聚类分析及最近邻方法2.1 聚类分析的概念2.1.1 聚类分析的基本思想2.1.2 特征量2.1.3 方法的有效性2.2 模式相似性测度2.2.1 距离测度（差值测度）2.2.2 相似测度2.2.3 匹配测度2.3 类间距离2.3.1 类间距离测度方法2.4 准则函数2.4.1 点与集合间的距离2.4.2 聚类的准则函数2.5 聚类的算法2.5.1 聚类的技术方案2.5.2 基于相似性阈值的简单聚类方法2.5.3 谱系聚类法2.5.4 动态聚类法（Dynamic clustering algorithm）2.5.5 近邻函数法2.6 最近邻方法2.6.1 最近邻法2.6.2 剪辑最近邻法2.6.3 引入拒绝类别决策的最近邻法习题算法编程第3章 判别域代数界面方程法3.1 判别域界面方程分类的概念3.2 线性判别函数3.2.1 两类问题3.2.2 多类问题3.3 判别函数值的鉴别意义、权空间及解空间3.3.1 判别函数值的大小、正负的数学意义3.3.2 权空间、解矢量与解空间3.4 Fisher线性判别3.5 线性可分条件下判别函数权矢量算法3.5.1 感知器算法3.5.2 一次准则函数及梯度下降法3.5.3 感知器训练算法在多类问题中的应用……第4章 统计判决第5章 统计决策中的经典学习方法第6章 特征提取与选择第7章 其他模式识别方法参考文献
