第1章 概論

1.1模式與模式識別 1.2模式識別的主要方法 1.3監(jiān)督模式識別與非監(jiān)督模式識別 1.4模式識別系統舉例 1.5模式識別系統的典型構成

第2章 統計決策方法

2.1引言：一個簡單的例子 2.2最小錯誤率貝葉斯決策 2.3最小風險貝葉斯決策 2.4兩類錯誤率、neyman-pearson決策與roc曲線 2.5正態(tài)分布時的統計決策 2.6錯誤率的計算 2.7離散概率模型下的統計決策舉例

第3章 概率密度函數的估計

3.1引言 3.2最大似然估計 3.3貝葉斯估計與貝葉斯學習 3.4概率密度估計的非參數方法

第4章 線性分類器

4.1引言 4.2線性判別函數的基本概念 4.3fisher線性判別分析 4.4感知器 4.5最小平方誤差判別 4.6最優(yōu)分類超平面與線性支持向量機 4.7多類線性分類器

第5章 非線性分類器

5.1引言 5.2分段線性判別函數 5.3二次判別函數 5.4多層感知器神經網絡 5.5支持向量機 5.6核函數機器

第6章 其他分類方法。

6.1近鄰法 6.2決策樹與隨機森林 6.3羅杰斯特回歸 6.4boosting方法

第7章 特征選擇

7.1引言 7.2特征的評價準則 7.3特征選擇的最優(yōu)算法 7.4特征選擇的次優(yōu)算法 7.5特征選擇的遺傳算法 7.6以分類性能為準則的特征選擇方法

第8章 特征提取

8.1引言 8.2基于類別可分性判據的特征提取 8.3主成分分析方法 8.4karhunen-loeve變換 8.5k-l變換在人臉識別中的應用舉例 8.6高維數據的低維顯示 8.7多維尺度法 8.8非線性變換方法簡介

第9章 非監(jiān)督模式識別

9.1引言 9.2基于模型的方法 9.3混合模型的估計 9.4動態(tài)聚類算法 9.5模糊聚類方法 9.6分級聚類方法 9.7自組織映射神經網絡

第10章 模式識別系統的評價

10.1監(jiān)督模式識別方法的錯誤率估計 10.2有限樣本下錯誤率的區(qū)間估計問題 10.3特征提取與選擇對分類器性能估計的影響 10.4從分類的顯著性推斷特征與類別的關系 10.5非監(jiān)督模式識別系統性能的評價