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.

2004.7.7
 

考博学习卡推荐

考博辅导班推荐