模式识别(第二版)/信息技术丛书

本书是清华大学自动化系教材，主要讨论统计模式识别理论和方法，第一版包括贝叶斯决策理论、线性和非线性判别函数、近邻规则、经验风险最小化、特征提取和选择，以及聚类分析，等等。多数章后附有习题，适于教学和自学。 第二版在第一版基础上进行了较多的修订和补充，增加了关于人工神经网络、模糊模式识别、模拟退火和遗传算法，以及统计学习理论和支持向量机等内容，还介绍了模式识别在人脸识别、说话人语音识别及字符识别等中的应用实例。 本书除了可以作为高等院校自动化、计算机等专业研究生和高年级学生的模式识别教材外，也可供计算机信息处理、自动控制、地球物理、生物信息等领域中从事模式识别工作的广大科技人员和高校师生参考。

第二版前言 第一版前言 第1章  结论   1.1模式识别和模式的概念     1.2模式识别系统     1.3关于模式识别的一些基本问题     1.4关于本书的内容安排   第2章  贝叶斯决策理论     2.1引言     2.2几种常用的决策规则     2.2.1基于最小错误率的贝叶斯决策     2.2.2基于最小风险的贝叶斯决策   2.2.3在限定一类错误率条件下使另一类错误率为最小的两类别决策   2.2.4最小最大决策     2.2.5序贯分类方法     2.2.6分类器设计     2.3正态分布时的统计决策     2.3.1正态分布概率密度函数的定义及性质       2.3.2多元正态概率型下的最小错误率贝叶斯判别函数和决策面   2.4关于分类器的错误率问题     2.4.1在一些特殊情况下错误率的理论计算   2.4.2错误率的上界     2.5讨论     习题   第3章  概率密度函数的估计   3.1引言     3.2参数估计的基本概念     3.2.1最大似优估计     3.2.2贝叶斯估计和贝叶斯学习     3.3正态分布的监督参数估计     3.3.1最大似然估计示例     3.3.2贝叶斯估计和贝叶斯学习示例   3.4非监督参数估计     3.4.1非监督最大似然估计中的几个问题     3.4.2正态分布情况下的非监督参数估计     3.5总体分布的非参数估计     3.5.1基本方法     3.5.2Parzen窗法   3.6关于分类器错误率的估计问题     3.6.1关于已设计好分类器时错误率的估计问题     3.6.2关于未设计好分类器时错误率的估计问题     3.7讨论     习题   第4章  线性判别函数     4.1引言     4.1.1线性判别函数的基本概念     4.1.2广义线性判别函数     4.1.3设计线性分类器的主要步骤     4.2Fisher线性判别     4.3感知准则函数     4.3.1几个基本概念     4.3.2感知准则函数及其梯度下降算法     4.4最小错分样本数准则     4.4.1解线性不等式组的共轭梯度法     4.4.2解线性不等式组的搜索法     4.5最小平方误差准则函数     4.6随机最小错误率线性判别准则函数   4.7多类问题   4.8讨论   习题 第5章  非线性判别函数   5.1分段线性判别函数的基本概念   5.2用凹函数的并表示分段线性判别函数   5.3用交遇区的样本设计分段线性分类器   5.4二次判别函数   习题 第6章  近邻法   6.1最近邻法   6.2k－近邻法   6.3关于减少近邻法计算量和存储量的考虑   6.4可做拒绝决策的近邻法   6.5最佳距离度量近邻法   习题 第7章  经验风险最小化和有序风险最小化方法   7.1平均风险最小化和经验风险最小化   7.2有限事件类情况   7.3线性分界权向量数的估计   7.4事件出现频率一致收敛于其概率的条件   7.5生长函数的性质   7.6经验最优判决规则偏差的估计   7.7经验最优判决规则偏差估计的改进   7.8有序风险最小化方法   7.9讨论     习题   第8章  特征的选择与提取   8.1基本概念   8.2类别可分离性判据     8.3特征提取     8.4特征选择     8.5特征选择的几种新方法     习题   第9章  基于K―L展开式的特征提取   9.1傅里叶级数展开式     9.2K―L展开式     9.3K―L展开式的性质     9.4K―L坐标系的产生矩阵     9.5从类平均向量中提取判别信息       9.6包含在类平均向量中判别信息的最优压缩   第10章  非监督学习方法 第11章  人工神经网络 第12章  模糊模式识别方法 第13章  统计学习理论和支持向量机 第14章  模式识别在语音信号数字处理中的应用举例 第15章  印刷体汉字识别中的特征提取 主要参考书目 附录A  几种最优化算法 (节选)