前言
第一章概論
第二章貝葉斯決策理論
第一節(jié)基于最小錯誤率的貝葉斯判別法
第二節(jié)基于貝葉斯公式的幾種判別規(guī)則
第三節(jié)正態(tài)分布模式的統(tǒng)計決策
第四節(jié)概率密度函數(shù)的估計
第五節(jié)貝葉斯分類器的錯誤概率
第三章判別函數(shù)與確定性分類器
第一節(jié)線性判別函數(shù)與廣義線性判別函數(shù)
第二節(jié)廣義線性判別函數(shù)的二分能力
第三節(jié)感知器算法
第四節(jié)最小平方誤差算法
第五節(jié)多類模式的分類器迭代算法
第六節(jié)勢函數(shù)法
第四章聚類分析
第一節(jié)按距離聚類的概念
第二節(jié)模式相似性測度與聚類準(zhǔn)則
第三節(jié)聚類算法
第四節(jié)對聚類的評價
第五章模式特征分析與選取
第一節(jié)描述模式分布狀態(tài)的測度
第二節(jié)特征提取的方法
第三節(jié)離散K-L變換
第四節(jié)利用K-L變換的分類特征提取
第五節(jié)增維問題
第六章模糊集合理論在模式識別中的應(yīng)用
第一節(jié)引言
第二節(jié)模糊子集
第三節(jié)模糊集的簡單運算、模糊度與模糊關(guān)系
第四節(jié)隸屬函數(shù)的確定
第五節(jié)模糊集理論在模式識別中的應(yīng)用
第七章句法模式識別
第一節(jié)形式語言基礎(chǔ)和文法
第二節(jié)一維及高維文法
第三節(jié)基元提取和文法推斷
第四節(jié)句法分析和自動機識別
第八章人工神經(jīng)網(wǎng)絡(luò)在模式識別中的應(yīng)用
第一節(jié)人工神經(jīng)網(wǎng)絡(luò)概述
第二節(jié)前饋神經(jīng)網(wǎng)絡(luò)及其主要算法
第三節(jié)Hopfield網(wǎng)絡(luò)
第四節(jié)自適應(yīng)共振理論神經(jīng)網(wǎng)絡(luò)
第五節(jié)自組織特征映射神經(jīng)網(wǎng)絡(luò)
附錄
參考文獻(xiàn)