第一章 模式识别的基本问题
1．1 什么是模式识别
1．2 模式识别的基本概念
1．3 模式识别的系统组成
1．4 模式识别方法分类
第二章 Bayes决策理论
2．1 二类问题的最小错误决策
2．2 二类问题的最小风险决策
2．3 Neyman－Pearson决策
2．4 最小最大决策
2．5 多类问题的决策
第三章 正态分布的判别函数
3．1 N维正态分布
3．2 正态分布的判别函数
3．3 讨论
第四章 线性判别函数
4．1 线性判别函数及广义线性判别函数
4．2 线性分类器设计
4．3 梯度法与牛顿法
4．4 最小平方误差准则函数与H－K算法
4．5 Fisher线性判别函数
4．6 广义线性判别函数
第五章 K－近邻法
5．1 密度估计
5．2 后验概率估计
5．3 最近邻法则与K－近邻法则
5．4 加权K－近邻法则
第六章 聚类分析
6．1 类似性度量
6．2 准则函数
6．3 聚类算法
第七章 特征提取与选择
7．1 图像的特征提取
7．2 特征选择
参考书目：1． 李金宗． 模式识别导论． 高等教育出版社． 1994．
2． 边肇祺等编著． 模式识别． 清华大学出版社． 2000．
您现在的位置： 