第一章导言 1
1·1一般论述 1
目录 1
1·2基本概念 2
1·3基本原则 5
1·4分类系统及分析系统的结构 7
1·5应用情况与前景 8
1·6一个模式分类的例子 9
第二章统计分类器 18
2·1问题和思想 18
2·2最优分类器 19
2·3最优分类器的特殊形式——Bayes分类器 21
2·4统计分类器的错误概率 23
2·5正态分布持征向量的统计分类器 24
2·8正态分布特征向量统计分类器的特殊形式 26
2·8损失函数及其设置 27
2·7拒分类准则 27
第三章几何分类器 30
3·1问题和思想 30
3·2几何分类器的一般求解 31
3·3拒分类准则 34
第四章线性分类器 36
4·1最小距离分类器 36
4·2加权最小距离分类器 37
4·3可调线性分类器 40
4·4可调线性分类器收敛性的证明 42
4·5逐段线性分类器 44
第五章非参数分类器 46
5·1问题和思想 46
5·2m-最近邻分类器与最近邻分类器 47
5·3近邻分类器的错误概率 48
5·4·1CNN算法 52
5·4·2RNN算法 52
5·4实现近邻分类器时样本集ω的精简 52
5·4·3类边界模式的确定 53
5·4·4J.R.Ullmann算法（一） 53
5·4·5J.R.Ullmann算法（二） 53
5·4·6ChangChin-Liang算法 54
5·5加权m-最近邻分类器 56
5·5·1W-m-NN分类规则 57
5-5·2权函数的一个具体形式 58
6·1问题和思想 60
第六章多项式分类器 60
6·2多项式分类器系数矩阵的计算（一） 61
6·3多项式分类器系数矩阵的计算（二） 63
6·4多项式分类器的性能 64
6·5全平方多项式分类器 65
第七章回归分类器 67
7·1δ-函数 67
7·2回归分类器的一般求解 68
7·3回归分类器的性能 71
7·4线性回归分类器 72
7·5线性回归分类器的性能 73
7·6推广至多类问题 74
第八章非线性分类器 76
8·1线性分类器实现分类的可能界限 76
8·2非线性分离函数的一般形式及非线性分类器的一般结构 78
8·3幂列分类器 79
8·4位势分类器和加仅位势分类器 81
8·5一个非线性分类器设计举例 83
第九章其他类型的分类器 87
9·1距离测量分类器 87
9·1·1最小距离测量分类器 87
9·1·2距离测量的最优校正函数和非线性正规化处理 88
9·1·3计算最优校正函数及最优距离的动态程序设计方法 90
9·2序贯分类器 91
9·3决策树及分层分类器 92
9·4前后文分类器 94
9·5网格灰度值特征向量的近旁关联分类器 97
第十章有人管理的学习 100
10·1关于学习问题的一般论述 100
10·2在类别可分离样本集下有人管理的学习 101
10·3在类别不可分离样本集下有人管理的学习 102
10·4统计分类器的有人管理的学习 104
10·5Aizerman学习分类器 107
10·6变换模式法 111
10·7概率下降法 115
第十一章无人管理的学习 117
11·1聚类分析方法的一般论述 117
11·2类别均匀性准则 119
11·3混合分布的鉴别方法（统计分类器的无人管理的学习） 122
11·4正态分布特征向量统计分类器的无人管理的学习 123
第十二章决策管理的学习 126
12·1一般论述 126
12·2决策管理的学习的最大似然算法 128
12·3通过有人管理的学习算法实现决策管理的学习 129
第十三章模式的预处理 134
13·1模式的计算机表示，扫描定律 134
13·2模式的改善 137
13·2·1平滑处理 138
13·2·2反差增强及边缘陡度的提高 141
13·2·3模式改善的非线性方法 144
13·3阈值处理，二值图象的产生 147
13·3·1灰度直方图方法 147
13·3·2Chow-Kaneko算法 148
13·3·3最优阈值算法 149
13·3·4由灰度值的振幅来确定阈值 150
13·3·5确定阈值的聚类分析方法 151
13·4边缘检测 154
13·4·1微分方法 154
13·4·2腐蚀与膨胀并行的非线性边缘检测 156
13·4·3客体外部轮廓线的跟踪 157
13·4·4拉普拉斯算子方法 157
13·4·5Sobel算法 158
13·4·6Rosenfeld算法 159
13·4·7均衡平面方法 160
13·4·8依据优化准则的边缘近似 161
13·5一个分离客体的表格分析方法 163
13·5·1定义和例子 163
13·5·2算法描述 164
13·5·3算法执行的效果 166
13·6模式编码 166
13·6·2行程编码 167
13·6·1方向链码 167
13·7模式的正规化处理 168
13·7·1目的和任务 168
13·7·2模式大小的正规化处理 169
13·7·3模式位置的正规化处理 170
13·7·4模式的细化处理 172
13·7·5模式能量的正规化处理 173
14·1一般论述 175
第十四模式特征的抽取 175
14·2模式依据正交归一化函数系的展开 176
14·3Fourier展开式系数特征 178
14·4离散Fourier变换及其在特征抽取中的应用 179
14·5Walsh变换及其在特征抽取中的应用 181
14·8矩特征 184
14·7循环自相关特征 185
14·8互相关特征 187
14·9几何特征量 188
14·10Karhunen-Loeve展开，依据给定准则的最优特征的抽取 190
14·11依据错误概率的最优线性特征选择 195
14·12线性预测方法 200
14·13特征空间维数的压缩，保持结构的变换 202
14·14模式变换及其齐次坐标描述 207
14·14·1齐次坐标 207
14·14·2模式的相似、平移和旋转变换 209
14·14·3投影 211