第一章 绪论 1
概述 1
特征矢量和特征空间 6
随机矢量的描述 6
正态分布 9
参考文献 15
第二章 聚类分析 16
聚类分析的概念 16
模式相似性测度 18
类的定义与类间距离 25
准则函数 29
聚类的算法 37
文献简评 应用简介 67
习题 68
上机练习 70
参考文献 71
第三章 判别域代数界面方程法 73
用判别域界面方程分类的概念 73
线性判别函数 73
判别函数值的鉴别意义、权空间及解空间 78
Fisher线性判别 80
线性可分条件下判别函数的权矢量算法 85
一般情况下的判别函数权矢量算法 92
线性规划方法 99
线性二分能力 101
广义线性判别函数 104
二次判别函数 106
分段线性判别函数 108
位势函数分类法 116
支持矢量机简介 120
最小最大概率机 122
文献简评 应用简介 128
习题 128
上机练习 129
参考文献 130
第四章 统计判决 132
最小误判概率准则判决 132
最小损失准则判决 148
最小最大损失准则 156
N-P （Neyman-Pearson）判决 159
序贯判决（SPRD） 162
Fisher准则判决 167
特征数据缺损或被噪声污染下的Bayes判决 168
批对象的复合判决 170
文献简评 应用简介 171
习题 171
上机练习 175
参考文献 176
第五章 统计决策中的学习与错误率估计 178
统计推断概述 178
参数估计 180
Bayes学习 186
概密的窗函数估计法 189
有限项正交函数级数逼近法 198
用位势函数法逼近Bayes判决函数 202
随机逼近方法求类的后验概率 205
统计决策准则下线性判决函数的训练生成 210
错误率估计 215
基于平均损失估计的学习及最小误判概率的估计 224
无监督估计（盲估计） 226
期望最大化算法 232
集成学习 238
文献简评 应用简介 241
习题 243
上机练习 246
参考文献 248
第六章 最近邻法 252
基本的最近邻法 252
剪辑最近邻法 259
引入拒绝决策的最近邻法 263
最近邻法中的最佳距离及其实际计算 265
文献简评 应用简介 269
习题 269
参考文献 270
第七章 特征提取与选择 272
概述 272
类别可分性判据 273
基于可分性判据进行变换的特征提取与选择 285
最佳鉴别矢量的提取 296
离散K-L变换及其在特征提取与选择中的应用 299
独立成分分析 310
基于决策界的特征提取 316
特征选择中的直接挑选法 323
多维尺度分析 329
文献简评 应用简介 331
习题 333
参考文献 334
第八章 模糊模式识别 338
引言 338
普通集合与模糊集合 338
普通集合上的关系及有关知识 351
模糊关系与模糊变换 355
模糊度和特征提取与选择 359
模糊识别的基本方法 362
基于模糊相似矩阵的分类方法 366
模糊C-均值聚类算法 367
最大树法模式识别 378
几何图形的模糊识别 380
文献简评 应用简介 382
习题 382
参考文献 383
第九章 神经网络在模式识别中的应用 385
人工神经网络的基本知识 385
前向型人工神经网络 389
BP网的性能和学习改进 400
Hopfield网络 415
随机神经网络 424
自适应共振理论神经网络 435
自组织特征映射神经网络 438
模糊神经网络 442
概率神经网络 446
RCE神经网络 447
文献简评 应用简介 448
习题 449
上机练习 450
参考文献 451
第十章 信息融合 454
概述 454
融合技术层次性及融合系统功能模块和结构 455
关于信息融合的熵理论 462
观测不相关的分布式最小损失准则下的检测与决策融合 467
观测相关的决策融合 475
N-P准则下的决策融合 479
分布式检测决策融合全局最优概述及某些约束条件下最优解 481
D-S证据理论的融合算法 485
文献简评 应用简介 491
习题 492
参考文献 492
第十一章 结构模式识别 495
结构模式识别概述 495
形式语言 496
高维文法与随机文法 500
模式的描述 507
句法分析 512
文法推断 532
文献简评 应用简介 548
习题 548
参考文献 554
第十二章 智能化方法 555
人工智能 555
专家系统 555
知识的表示 558
智能推理技术 563
不确定性推理 572
文献简评 应用简介 599
习题 599
参考文献 602
第十三章 树分类器 604
树分类器原理 604
树分类器的设计原则 607
树分类器的关键技术 608
决策树生成算法 614
文献简评 应用简介 618
习题 619
上机练习 621
参考文献 622
第十四章 支持矢量机 624
最优化的分析方法原理 624
最优分类界面 629
广义最优分类界面 633
最优界面与广义最优界面分类性能的统计特性 636
支持矢量机（SVM） 637
基于Adaboost的SVM组合 646
文献简评 应用简介 650
习题 650
参考文献 650
第十五章 基于隐马尔可夫模型识别方法 653
一阶马尔可夫模型（MM） 653
一阶隐马尔可夫模型（HMM） 653
可见序列概率估计 655
隐状态估计 658
模型参数估计 659
隐马尔可夫模型方法模式识别 661
文献简评 应用简介 662
习题 662
参考文献 664
第十六章 子空间模式识别方法 666
概述 666
子空间 投影 667
子空间判别法 673
线性回归模型法 676
正交子空间法 676
Kohonen学习子空间法 679
子空间的平均学习法 684
文献简评 应用简介 686
习题 687
参考文献 687
第十七章 机器统计学习理论 689
机器统计学习理论概述 689
经验风险最小化设计 690
经验风险最小化原则的一致性条件 692
最优指示函数判决风险的界 699
训练序列的长度和识别率估计精度的关系 704
结构风险最小化 707
文献简评 应用简介 711
习题 711
参考文献 712