模式識別

【內容介紹】
　　本書繫統地論述了各類經典的模式識別的理論與方法，同時還較全面地反映了本學科的新近科技成果。本書討論的主流模式識別技術是：統計模式識別、模糊模式識別、神經網絡技術、句法模式識別、信息融合及樹分類器方法。全書共7章。第1章為引論，第2章至第6章介紹的統計模式識別，包括：聚類分析、最近鄰法、判別域代數界面方程法、統計判決、學習與錯誤率估計、特征提取與選擇，第7章對模糊模式識別方法、神經網絡技術、句法模式識別、信息融合及樹分類器的基礎知識進行了介紹。
　　本書可供電子科學與技術、信息與通信工程、控制科學與工程、計算機科學與技術及其他領域的有關專業和研究方向的本科高年級學生及碩士生作為信息分析、檢測、識別的教材或教學參考書，也可供相關專業的科研人員參考。

【目錄】
第1章 引論
　1.1 概述
　　1.1.1 模式識別的概念
　　1.1.2 模式識別繫統
　　1.1.3 模式識別的基本方法
　1.2 特征矢量和特征空間
　1.3 隨機矢量的描述
　1.4 正態分布
　　1.4.1 正態分布的定義
　　1.4.2 多元正態分布的性質
第2章 聚類分析及最近鄰方法
　2.1 聚類分析的概念
　　2.1.1 聚類分析的基本思想
　　2.1.2 特征量
　　2.1.3 方法的有效性
　2.2 模式相似性測度
　　2.2.1 距離測度（差值測度）
　　2.2.2 相似測度
　　2.2.3 匹配測度
　2.3 類間距離
　　2.3.1 類間距離測度方法
　2.4 準則函數
　　2.4.1 點與集合間的距離
　　2.4.2 聚類的準則函數
　2.5 聚類的算法
　　2.5.1 聚類的技術方案
　　2.5.2 基於相似性閾值的簡單聚類方法
　　2.5.3 譜繫聚類法
　　2.5.4 動態聚類法（Dynamic clustering algorithm）
　　2.5.5 近鄰函數法
　2.6 最近鄰方法
　　2.6.1 最近鄰法
　　2.6.2 剪輯最近鄰法
　　2.6.3 引入拒絕類別決策的最近鄰法
　習題
　算法編程
第3章 判別域代數界面方程法
　3.1 判別域界面方程分類的概念
　3.2 線性判別函數
　　3.2.1 兩類問題
　　3.2.2 多類問題
　3.3 判別函數值的鋻別意義、權空間及解空間
　　3.3.1 判別函數值的大小、正負的數學意義
　　3.3.2 權空間、解矢量與解空間
　3.4 Fisher線性判別
　3.5 線性可分條件下判別函數權矢量算法
　　3.5.1 感知器算法
　　3.5.2 一次準則函數及梯度下降法
　　3.5.3 感知器訓練算法在多類問題中的應用
　……
第4章 統計判決
第5章 統計決策中的經典學習方法
第6章 特征提取與選擇
第7章 其他模式識別方法
參考文獻