第1章 緒論 1.1 模式與模式識別 1.2 模式識別的方法和發展歷史 1.2.1 模式識別的主要方法 1.2.2 模式識別的發展史 1.3 模式識別系統基本框架和構成 1.4 有監督和無監督模式識別 1.4.1 有監督模式識別 1.4.2 無監督模式識別 1.5 模式識別系統舉例 1.6 模式識別系統的性能評價 1.6.1 有監督模式識別系統性能評價 1.6.2 無監督模式識別系統性能評價 小結 習題 參考文獻 第2章 線性分類器 2.1 線性分類器基礎 2.1.1 線性判別函數 2.1.2 線性分類器設計的一般步驟 2.1.3 廣義線性判別函數 2.1.4 多類問題 2.2 垂直平分分類器 2.3 Fisher投影準則 2.4 感知準則 2.4.1 線性可分 2.4.2 感知器模型 2.4.3 解向量與解區 2.4.4 感知準則函數 2.4.5 梯度下降法 2.5 *小錯分樣本準則 2.6 *小平方誤差準則 小結 習題 參考文獻 第3章 貝葉斯分類器 3.1 貝葉斯決策概述 3.1.1 統計分類 3.1.2 先決條件 3.1.3 貝葉斯決策 3.1.4 錯誤率概念 3.2 *小錯誤率貝葉斯決策 3.3 *小風險貝葉斯決策 3.4 *小*大貝葉斯決策 3.5 正態分布時的統計決策 3.5.1 正態分布 3.5.2 多元正態分布下的*小錯誤率貝葉斯決策 3.6 分類器的錯誤率 3.6.1 錯誤率的理論計算 3.6.2 錯誤率上界 3.7 樸素貝葉斯分類器和貝葉斯網絡 3.7.1 樸素貝葉斯分類器 3.7.2 半樸素貝葉斯分類器 3.7.3 貝葉斯網絡 小結 習題 參考文獻 第4章 非線性分類器 4.1 近鄰法 …… 第5章 特征選擇與特征提取 第6章 無監督分類器 第7章 經典神經網絡分類器 第8章 卷積神經網絡 第9章 模式識別實驗 第10章 模式識別的航空航天應用