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(yīng)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(shí)的統(tǒng)計(jì)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(jì)
2.6 分類錯誤率的計(jì)算
2.7 本章小結(jié)
練習(xí)題
第3章 線性與非線性判別函數(shù)
3.1 感知準(zhǔn)則函數(shù)
3.2 最小平方誤差準(zhǔn)則與最小錯分樣本數(shù)準(zhǔn)則
3.3 Fisher線性判別準(zhǔn)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(jié)
練習(xí)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(guān)于近鄰法則的討論
4.4 改進(jìn)的近鄰法
4.5 集群
4.6 本章小結(jié)
練習(xí)題
第5章 數(shù)據(jù)聚類
5.1 數(shù)據(jù)聚類的三個要點(diǎn)
5.2 模式相似性測度及標(biāo)準(zhǔn)化
5.3 聚類的準(zhǔn)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(jié)
練習(xí)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(jié)
練習(xí)題
第7章 統(tǒng)計(jì)學(xué)習(xí)理論與支持向量機(jī)方法
7.1 機(jī)器學(xué)習(xí)的基本問題與方法
7.2 統(tǒng)計(jì)學(xué)習(xí)理論的核心內(nèi)容
7.3 支持向量機(jī)
7.4 本章小結(jié)
練習(xí)題
第8章 句法分析及句法結(jié)構(gòu)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(jī)文法
8.7 屬性文法
8.8 本章小結(jié)
練習(xí)題
第9章 模式識別技術(shù)應(yīng)用實(shí)例
9.1 指紋識別系統(tǒng)應(yīng)用實(shí)例
9.2 IC卡應(yīng)用實(shí)例
9.3 入侵檢測系統(tǒng)應(yīng)用實(shí)例
9.4 字符識別應(yīng)用實(shí)例
9.5 本章小結(jié)
　練習(xí)題
參考文獻(xiàn)