第1章 緒論
1.1 模式與模式識彆的概念
1.2 模式識彆的研究方法
1.3 模式識彆的發展與應用
1.4 本書內容的安排
第2章 貝葉斯決策理論
2.1 貝葉斯決策的基本概念
2.2 幾種常用的決策規則
2.3 正態分布時的統計決策
2.4 離散情況的貝葉斯決策
2.5 概率密度函數估計
2.6 分類錯誤率的計算
2.7 本章小結
練習題
第3章 綫性與非綫性判彆函數
3.1 感知準則函數
3.2 最小平方誤差準則與最小錯分樣本數準則
3.3 Fisher綫性判彆準則
3.4 分段綫性判彆函數的基本概念
3.5 二次判彆函數
3.6 本章小結
練習題
第4章 近鄰法則和集群
4.1 最近鄰法
4.2 k近鄰法及模糊k近鄰分類器
4.3 關於近鄰法則的討論
4.4 改進的近鄰法
4.5 集群
4.6 本章小結
練習題
第5章 數據聚類
5.1 數據聚類的三個要點
5.2 模式相似性測度及標準化
5.3 聚類的準則函數
5.4 分級聚類算法
5.5 動態聚類法
5.6 聚類有效性分析
5.7 本章小結
練習題
第6章 特徵抽取和選擇
6.1 特徵抽取和選擇的基本概念
6.2 類彆可分離性判據
6.3 特徵抽取方法
6.4 特徵選擇方法
6.5 本章小結
練習題
第7章 統計學習理論與支持嚮量機方法
7.1 機器學習的基本問題與方法
7.2 統計學習理論的核心內容
7.3 支持嚮量機
7.4 本章小結
練習題
第8章 句法分析及句法結構模式識彆方法
8.1 形式語言理論概述
8.2 正規語言的句法分析方法
8.3 算子優先算法
8.4 CYK算法
8.5 Earley算法
8.6 隨機文法
8.7 屬性文法
8.8 本章小結
練習題
第9章 模式識彆技術應用實例
9.1 指紋識彆係統應用實例
9.2 IC卡應用實例
9.3 入侵檢測係統應用實例
9.4 字符識彆應用實例
9.5 本章小結
練習題
參考文獻
· · · · · · (收起)