模式識別

第1章 引論
　1.1 概述
　　1.1.1 模式識別的概念
　　1.1.2 模式識別系統(tǒng)
　　1.1.3 模式識別的基本方法
　1.2 特征矢量和特征空間
　1.3 隨機(jī)矢量的描述
　1.4 正態(tài)分布
　　1.4.1 正態(tài)分布的定義
　　1.4.2 多元正態(tài)分布的性質(zhì)
第2章 聚類分析及最近鄰方法
　2.1 聚類分析的概念
　　2.1.1 聚類分析的基本思想
　　2.1.2 特征量
　　2.1.3 方法的有效性
　2.2 模式相似性測度
　　2.2.1 距離測度（差值測度）
　　2.2.2 相似測度
　　2.2.3 匹配測度
　2.3 類間距離
　　2.3.1 類間距離測度方法
　2.4 準(zhǔn)則函數(shù)
　　2.4.1 點(diǎn)與集合間的距離
　　2.4.2 聚類的準(zhǔn)則函數(shù)
　2.5 聚類的算法
　　2.5.1 聚類的技術(shù)方案
　　2.5.2 基于相似性閾值的簡單聚類方法
　　2.5.3 譜系聚類法
　　2.5.4 動態(tài)聚類法（Dynamic clustering algorithm）
　　2.5.5 近鄰函數(shù)法
　2.6 最近鄰方法
　　2.6.1 最近鄰法
　　2.6.2 剪輯最近鄰法
　　2.6.3 引入拒絕類別決策的最近鄰法
　習(xí)題
　算法編程
第3章 判別域代數(shù)界面方程法
　3.1 判別域界面方程分類的概念
　3.2 線性判別函數(shù)
　　3.2.1 兩類問題
　　3.2.2 多類問題
　3.3 判別函數(shù)值的鑒別意義、權(quán)空間及解空間
　　3.3.1 判別函數(shù)值的大小、正負(fù)的數(shù)學(xué)意義
　　3.3.2 權(quán)空間、解矢量與解空間
　3.4 Fisher線性判別
　3.5 線性可分條件下判別函數(shù)權(quán)矢量算法
　　3.5.1 感知器算法
　　3.5.2 一次準(zhǔn)則函數(shù)及梯度下降法
　　3.5.3 感知器訓(xùn)練算法在多類問題中的應(yīng)用
　……
第4章 統(tǒng)計(jì)判決
第5章 統(tǒng)計(jì)決策中的經(jīng)典學(xué)習(xí)方法
第6章 特征提取與選擇
第7章 其他模式識別方法
參考文獻(xiàn)