第一章 引论 1
1.1 一般论述 1
1.2定义 2
1.3 基本前提 11
1.4 本书的主题范围 15
1.5 应用 17
1.6 小结 19
第二章 预处理 21
2.1编码 22
2.1.1 一般说明 22
2.1.2 采样 23
2.1.3 脉冲编码调制 28
2.1.5 链码 33
2.1.4 跑长编码 33
2.1.6 附注 34
2.2 阈值运算 35
2.3 模式改善 39
2.3.1目的要求 39
2.3.2 线性系统 40
2.3.3 离散傅里叶变换 44
2.3.4 选择一个线性系统的观点 51
2.3.5 非线性运算 55
2.4 正规化措施 60
2.4.1 目的要求 60
2.4.2 大小 61
2.4.3 位置 65
2.4.4 能量 68
2.4.5 线条厚度 70
2.4.6 说话者 72
2.4.7 附注 73
2.5 离散模式的运算 73
2.5.1 离散模式的连通 73
2.5.2 并行和顺序的运算 75
2.6 小结 76
第三章 特征 79
3.1目的要求与一般方法 80
3.2 启发式的方法 83
3.2.1 按一个正交基的展开 83
3.2.2 离散傅里叶变换的应用 85
3.2.3 沃尔什（Walsh）变换的应用 92
3.2.4 R变换 97
3.2.5 线性预测 98
3.2.6矩 101
3.2.7 特征滤波器 103
3.2.8 特性系数 106
3.3 分析的方法 109
3.3.1准则 109
3.3.2 与问题有关的级数展开 110
3.3.3 最优线性变换 118
3.3.4 附注 125
3.4 特征评价与选择 128
3.4.1目的要求与问题 128
3.4.2 特征的品质度量 129
3.4.3 选择方法 138
3.5 符号 145
3.5.1 符号的确定 145
3.5.2 符号的抽取 149
3.6 特征举例 155
3.7 小结 161
第四章 数值分类 165
4.1 统计分类器 166
4.1.1 前提条件 166
4.1.2 分布密度的确定 167
4.1.3 最优分类器 169
4.1.4 特殊形式 173
4.1.5 错误概率与损失 179
4.1.6 类正态分布特征向量 181
4.2 与分布无关的分类器 185
4.2.1 假设 185
4.2.2 优化求解 187
4.2.3 分离函数的计算 189
4.2.4 拒识别准则 196
4.3.1 分布密度的非参数估计 197
4.3 非参数分类器 197
4.3.2 最近邻分类器 200
4.3.3 容许域 206
4.4 其他分类器类型 209
4.4.1 序贯分类器 209
4.4.2 决策树与分层分类 211
4.4.3 标称特征分类器 214
4.4.4 距离测量分类器 216
4.4.5 上下文的考虑 223
4.5 学习分类器 229
4.5.1 目的要求 229
4.5.2 类别可分离样本集 232
4.5.3 类别不可分离样本集 236
4.5.4 逐段线性分离函数 240
4.5.5 统计方法 245
4.5.6 聚类分析 250
4.5.7 混合分布的辨识 257
4.5.8 决策管理的学习 261
4.5.9 附注 262
4.6 维数问题 263
4.7 小结 268
第五章 非数值（句法）分类 271
5.1 原则 271
5.2 文法 275
5.2.1 构形 275
5.2.2 链文法 277
5.2.3 程序文法 281
5.2.4 随机文法 283
5.2.5 属性文法 285
5.2.6 补充 288
5.2.7 位置关系 290
5.2.8 用于模式识别的文法 291
5.3 符号串的分类 299
5.3.1 引言 299
5.3.2 正则语言 300
5.3.3 上下文无关语言 306
5.3.4 误差的处理 313
5.4 文法的自动构造 318
5.4.1 一般论述 318
5.4.2 有穷自动机的一个构造式方法 322
5.5 小结 327
第六章 一个分类系统 329
参考文献 334
名词术语索引 351