※第一章 绪论
§课前索引
§1.1 模式识别和模式的概念
§1.2 模式的描述方法
§1.3 模式识别系统
§1.4 有关模式识别的若干问题
§1.5 本书内容及宗旨
§本章小节
§本章习题
※第二章 贝叶斯决策理论与统计判别方法
§课前索引
§2.1 引 言
§2.2 几种常用的决策规则
§2.3 正态分布时的统计决策
§本章小节
§本章习题
※第三章 非参数判别分类方法
§课前索引
§3.1引言
§3.2线性分类器
§3.3 非线性判别函数
§3.4 近邻法
§3.5 支持向量机
§本章小结
§本章习题
※第四章 描述量选择及特征的组合优化
§课前索引
§4.1 基本概念
§4.2 类别可分离性判据
§4.3 按距离度量的特征提取方法
§4.4 按概率距离判据的特征提取方法
§4.5 基于熵函数的可分性判据
§4.6 基于Karhunen-Loeve变换的特征提取
§4.7 特征提取方法小结
§4.8 特征选择
§本章小节
§本章习题
※第五章 非监督学习法
§课前索引
§5.1 引 言
§5.2 单峰子类的分离方法
§5.3 聚类方法
§5.4 非监督学习方法中的一些问题
§本章小节
§本章习题
※第六章 人工神经元网络
§课前索引
§6.1 引言
§6.2 Hopfield模型
§6.3 Boltzmann机
§6.4 前馈网络
§6.5 人工神经网络中的非监督学习方法
§6.6 小结
§本章习题