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(tǒng)舉例 1.5模式識別系統(tǒng)的典型構(gòu)成

第2章 統(tǒng)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(fēng)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(tǒng)計決策 2.6錯誤率的計算 2.7離散概率模型下的統(tǒng)計決策舉例

第3章 概率密度函數(shù)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(xué)習(xí) 3.4概率密度估計的非參數(shù)方法

第4章 線性分類器

4.1引言 4.2線性判別函數(shù)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(shù) 5.3二次判別函數(shù) 5.4多層感知器神經(jīng)網(wǎng)絡(luò) 5.5支持向量機 5.6核函數(shù)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(zhǔn)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(zhǔn)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(jù)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(yīng)用舉例 8.6高維數(shù)據(jù)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(jīng)網(wǎng)絡(luò)

第10章 模式識別系統(tǒng)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(guān)系 10.5非監(jiān)督模式識別系統(tǒng)性能的評價