三民網路書店 中國圖書館分類法 / 數理科學和化學 / 數學 / 控制論、信息論（數學理論） / 模式識別理論

本書篇幅有限，即便在現有篇幅的基礎上擴充10倍，也很難涵蓋模式識別與計算機視覺領域的全面發展情況，這一點毋庸置疑。不同於期刊、特刊，本書涵蓋的內容為模式識別與計算機視覺在理論和應用方面的關鍵成果。本書共有6版，這6版書概括了該領域近三十年的發展，通過它們，讀者可以更好地瞭解這個不斷更迭的領域。在信息研究基金會的資助下，本書的第1～4版現已向大眾免費開放，網址可掃封底二維碼獲取。

本書闡明了模式識別學科的科學意義與戰略價值，總結了模式識別學科的發展歷史及其研究規律，梳理了模式識別學科在基礎理論、計算機視覺、語音語言信息處理、模式識別應用技術等方面的發展現狀，分析了模式識別學科中尚未完全解決的關鍵科學問題，確定了面向學科前沿的優先發展方向和研究重點，指出了模式識別技術創新的新挑戰、新使命與新機遇，提出了模式識別學科發展的保障措施與政策建議。

本書是模式識別和場景分析領域奠基性的經典著作。在第2版中，除了保留第1版中關於統計模式識別和結構模式識別的主要內容以外，還新增了許多新理論和新方法，其中包括神經網絡、機器學習、數據挖掘、進化計算、不變量理論、隱馬爾可夫模型、統計學習理論和支持向量機等。本書還為模式識別未來的發展指明了方向。書中包含許多實例，各種不同方法的對比，豐富的圖表，以及大量的課後習題和計算機練習。

本書依據作者多年從事模式識別教學和研究的體會,並參考相關文獻編寫而成,概括地介紹了模式識 別理論和技術的基本概念、原理、方法和實現。 全書共分為11章,每章闡述模式識別中的一個知識點,內容包括貝葉斯決策、概率密度函數的估計、 線性判別分析、非線性判別分析、組合分類器、無監督模式識別、特徵選擇、特徵提取、半監督學習以及人工 神經網絡。除了經典算法以外,本書增加了部分較新的理論和算法,讀者可以選擇性地學習。本書還配以 電子課件、MATLAB仿真程序和實驗指導書,便於教和學。 本書可以作為高等學校人工智能、計算機、信息、自動化、遙感、控制等專業本科生或研究生的教材或 參考書,也可以作為從事相關研究與應用人員的參考書。

《模式識別》主要介紹統計模式識別和結構模式識別的相關內容。全書由7章組成，第1章為緒論，第2章介紹統計模式識別中的幾何方法，著重介紹特徵空間的概念和相關分類器的設計方法。第3章介紹統計模式識別中的概率方法，著重介紹最小錯誤概率分類器、最小風險分類器、紐曼皮爾遜分類器和最小最大分類器以及概率密度函數的參數估計和非參數估計等。第4章討論典型分類器錯誤概率的計算問題。第5章討論無監督情況下的模式識別問題，著重介紹幾種典型的聚類算法：基於分裂的聚類方法、基於合併的聚類方法、動態聚類方法、基於核函數的聚類方法和近鄰函數值聚類方法等。第6章討論結構模式識別問題，給出幾種典型的文法規則和與之相關聯的識別裝置，包括有限狀態自動機、下推自動機和圖靈機等。最後，在第7章對全書進行總結。 《模式識別》可作為電子信息類各專業高年級本科生和碩士研究生模式識別課程的教材，也可供從事模式識別相關研究的教師和科研人員參考。

本書廣泛涉及了統計學、神經網絡、模糊控制、人工智能及群智能計算等學科的先進思想和理論，將各種算法應用到模式識別領域中。以一種新的體系，系統而全面地介紹模式識別的理論、方法及應用。本書共分為12章，內容包括：模式識別概述、基於貝葉斯決策理論的分類器設計、判別函數分類器設計、聚類分析、模糊聚類分析、神經網絡聚類設計、模擬退火算法聚類設計、遺傳算法聚類設計、蟻群算法聚類設計、粒子群算法聚類設計、模板匹配

本書分為兩大部分：“基礎知識”和“高級主題：粒度計算框架”。第一部分探討模式識別-拒絕問題的原理，涉及特徵空間構成、基本分類器設計，以及關於模式識別-拒絕問題的實例研究、任務評估、架構評估等。第二部分集中討論信息粒和信息粒度的概念，涉及信息粒基礎知識、信息粒設計和聚類，以及數據質量的量化和處理等。

本書主要介紹了模式識別的相關內容，涉及模式識別的基本概念、聚類分析、線性判別函數、貝葉斯分類器、特徵選擇和提取、非參數模式識別方法、神經網絡模式識別方法、模糊模式識別方法、句法模式識別方法，以及新型模式識別方法，如決策樹方法、支持向量機方法、粗糙集方法等一些基本方法，並介紹了基於遺傳算法、模擬退火算法和禁忌搜索算法進行特徵選擇的基本思想。書中算法採用MATLAB語言描述，便於讀者編程實驗。

本書介紹模式識別中的基礎知識、主要模型及熱門應用，使學生掌握模式識別的基本原理、實際應用以及*新研究進展，培養學生在本學科中的視野與獨立解決任務的能力，為學生在模式識別的項目開發及相關科研活動打好基礎。

本書廣泛吸取統計學、神經網絡、數據挖掘、機器學習、人工智能、群智能計算等學科的先進思想和理論，將其應用到模式識別領域中；以一種新的體系，系統、全面地介紹模式識別的理論、方法及應用。全書分為14章，內容包括：模式識別概述，特徵的選擇與優化，模式相似性測度，基於概率統計的貝葉斯分類器設計，判別函數分類器設計，神經網絡分類器設計（BP神經網絡、徑向基函數神經網絡、自組織競爭神經網絡、概率神經網絡、對向傳

本書系統地論述了模式識別基本概念、算法及應用，體現了傳統模式識別內容與當前最新發展的結合與補充。全書包括三部分內容，共15章。第一部分共7章，主要介紹了經典模式識別方法，著重討論監督學習，即已知訓練樣本及其類別條件下分類器的設計方法，然後介紹了無監督模式識別，最後講解了模式識別系統中，特徵提取和特徵選擇的準則和算法；第二部分共3章，主要介紹了現代模式識別方法，包含支持向量機、組合分類器以及半監督學

本書是《模式識別及Matlab實現》主教材的配套實驗與指導，根據主教材各章內容，相應給出了實驗的具體步驟和程式碼，包括：貝葉斯決策，概率密度函數的參數估計，非參數判別分類方法，聚類分析，特徵提取與選擇，模糊模式識別，神經網路在模式識別中的應用，模式識別的工程應用等。

針對各學科資料資訊的特點以及科學工作者對資訊處理和資料挖掘技術的要求,本書既介紹了模式識 別和智慧計算的基礎知識,又較為詳細地介紹了現代模式識別和智慧計算在科學研究中的應用方法和各算 法的MATLAB根源程式。本書可以幫助廣大的科學工作者掌握模式識別和智慧計算

??本書重點介紹模式識別的基本概念和基本方法，在保證理論完整性的前提下，詳細討論具體算法的基本思想、實現方法、優缺點以及適用領域，使讀者在了解模式識別基本理論的同時能夠掌握分類器設計方法，通過具體的應用實例和實踐環節，幫助讀者盡快做到理論與實踐的結合，掌握模式識別方法用以解決在具體應用中所遇到的問題。

本書以模式識別技術為主題，主要論述了模式識別的代表性方法，並通過一定的應用實例，幫助讀者深人地理解理論方法，掌握模式識別的理論精髓和相關技術。此外，還對模式識別的最新理論成果進行了探討，以反映出學科發展的新進展。本書具體內容包括:統計模式識別中的概率方法、統計模式識別中的聚類方法、結構模式識別中的句法方法、特徵提取與特徵選擇、模糊模式識別方法、神經網路模式識別方法、統計學習理論與支援向量機方法等。

本書全面闡述了模式識別的基礎理論、最新方法以及各種應用。討論了貝葉斯分類、貝葉斯網路、線性和非線性分類器設計、特徵生成、特徵選取技術、學習理論的基本概念以及聚類概念與演算法。與前一版相比，增加了大資料集和高維資料相關的最新演算法，提供了最新的分類器和魯棒回歸的核方法。新增一些熱點問題，如非線性降維、非負矩陣因數分解、關聯性回饋、魯棒回歸、半監督學習、譜聚類和聚類組合技術。每章均提供有習題與練習，用

本書共分為8章。第一章為緒論，主要介紹了模式識別的概念，系統組成及常用方法。第二章～第五章主要介紹了統計模式識別的方法，有特徵聚類，貝葉斯分類，fish線性判別以及近鄰法。第六章講述了幾種人工神經網路方法，第七章詳細介紹了一個三維識別的案例。

本書廣泛吸取統計學、神經網路、資料採擷、機器學習、人工智慧、群智慧計算等學科的先進思想和理論，將其應用到模式識別領域中；以一種新的體系，系統、全面地介紹模式識別的理論、方法及應用。全書分為14章，內容包括：模式識別概述，特徵的選擇與優化，模式相似性測度，基於概率統計的貝葉斯分類器設計，判別函數分類器設計，神經網路分類器設計（BP神經網路、徑向基函數神經網路、自組織競爭神經網路、概率神經網路、對向傳

本書全面介紹模式識別技術的基本概念和代表性方法，重點介紹各模式識別方法的研究前沿及發展方向。全書共8章，主要內容包括概論、特征處理技術、支持向量機及核技術、線性/非線性分類器、人工神經網絡、分類方法、聚類方法及模糊模式識別。本書內容新穎、結構合理、語言簡潔流暢，整體內容安排遵循實用性和系統性的原則，并且覆蓋所研究領域的部分前沿問題。本書可作為高等學校計算機、控制與自動化等相關專業的本科生和研究生學