绪论 1
第一章 基本概念和主要问题 7
第一节 样品与特征 7
第二节 聚类、分类和特征选择 18
第二章 特征选择方法 30
第一节 对于单个特征的评价 30
第二节 主成分分析和对应分析 39
第三节 考虑多类情形的线性降维法 56
第四节 非线性的降维映射方法 63
第三章 聚类方法 69
第一节 K均值和ISODATA方法 69
第二节 拟合优度方法 79
第三节 系统聚类方法 85
第四节 利用图论的聚类方法 96
第五节 满足邻接条件的聚类方法 101
第四章 分类判别方法 113
第一节 科拉-3方法 113
第二节 亨明方法 125
第三节 BEG方法 135
第四节 贝叶斯方法 140
第五节 线性分类器 157
第六节 树分类器 173
第五章 检验与试验 182
第一节 对原始资料的检验 182
第二节 错误概率的估计及其置信区间 188
第三节 几种检验方法 192
第四节 控制试验 201
第六间 模糊聚类方法 207
第一节 基本概念 207
第二节 利用模糊关系的系统聚类法 215
第三节 模糊k-均值方法 221
第四节 采用加权距离的模糊聚类法 234
第五节 峰值搜索算法 245
第六节 模糊综合评价和模糊贴近度 249
第七章 模式识别在地震学中的应用 255
第一节 几种分类判别方法在地震区划及潜在震源判定中的应用 257
第二节 模式识别方法在强震发生时间预测中的应用 277
第三节 地震前兆的综合分析及强震的预测 297
第四节 模式识别在地球物理学中的应用 302
第八章 模式识别在数字图象处理中的应用 309
第一节 数字图象处理 309
第二节 图象分割问题 312
第三节 图象特征的提取 329
第九章 模式识别在决策管理研究中的应用 344
第一节 模式识别在多目标决策中的应用 344
第二节 层次分析决策方法 347
第三节 业务人员考评问题 354
第四节 模式识别在预测问题中的应用 366
参考文献 370