高等学校电子信息类专业系列新形态教材-模式识别:原理、应用及实现

本书主要介绍模式识别 的基础知识、基本方法、原 理实现和典型工程应用。全 书共10章。第1章介绍模式 识别的基础知识；第2章介 绍贝叶斯决策理论；第3章 介绍概率密度函数的参数估 计；第4章介绍非参数判别 分类方法；第5章介绍聚类 分析；第6章介绍特征提取 与选择；第7章介绍模糊模 式识别；第8章介绍神经网 络在模式识别中的应用；第 9章介绍典型深度学习模型 及应用；第10章介绍模式识 别的工程应用。每章的内容 安排从问题背景引入，系统 讲述基本原理、方法和实践 应用（通过Python软件编程 ）。本书内容传统与前沿结 合，理论与实践并重，做到 基本理论、实际编程与工程 应用的统一。本书已入选“ 武汉理工大学本科教材建设 专项基金项目” 本书可作为高等院校电 子信息类、计算机类、自动 化类等相关专业本科生的教 材，以及信息与通信工程、 控制科学与工程、计算机科 学与技术等专业研究生的教 材；也可作为从事人工智能 相关研究与开发的工程技术 人员的参考书。

郭志强: 武汉理工大学信息工程学院教授，国家级一流本科专业负责人，“模式识别”全国工程类专业学位研究生在线开放课程负责人，“数字信号处理”湖北省一流本科课程负责人，“数字图像处理”国家级线上一流本科课程主要成员。主要研究方向为智能信号处理、图像处理与模式识别、数据挖掘与机器学习。编著普通高等教育“十一五”国家级规划教材1部，主编、参编教材8部。获湖北省教学成果奖一等奖2项、二等奖1项。

第1章 绪论 1.1 模式识别的基本概念 1.1.1 生物的识别能力 1.1.2 模式识别的概念 1.1.3 模式识别的特点 1.1.4 模式的描述方法及特征空间 1.2 模式识别系统的组成和主要方法 1.2.1 模式识别系统的组成 1.2.2 模式识别的方法 1.3 模式识别的应用举例 1.3.1 文字识别 1.3.2 语音识别 1.3.3 指纹识别 1.3.4 遥感图像识别 1.3.5 医学诊断 1.3.6 无损检测 1.4 全书结构内容 第2章 贝叶斯决策理论 微课视频39分钟 2.1 几个重要的概念 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 最小风险判别规则 2.2.3 最大似然比判别规则 2.2.4 Neyman-Pearson判别规则 2.3 正态分布中的贝叶斯分类方法 2.4 Python程序实现 习题及思考题 第3章 概率密度函数的参数估计 微课视频8分钟 3.1 概率密度函数估计概述 3.2 最大似然估计 3.3 贝叶斯估计与贝叶斯学习 3.4 非参数估计 3.4.1 非参数估计的基本方法 3.4.2 Parzen窗法 3.4.3 kN-近邻估计法 3.5 Python示例 习题及思考题 第4章 非参数判别分类方法 微课视频71分钟 4.1 线性分类器 4.1.1 线性判别函数的基本概念 4.1.2 多类问题中的线性判别函数 4.1.3 广义线性判别函数 4.1.4 线性分类器的主要特性及设计步骤 4.1.5 感知器算法 4.1.6 Fisher线性判别函数 4.2 非线性判别函数 4.2.1 非线性判别函数与分段线性判别函数