目录__eol__第1章模式识别概述__eol__11模式识别的基本概念__eol__12统计模式识别__eol__121统计模式识别研究的主要问题__eol__122统计模式识别方法简介__eol__13分类分析__eol__131分类器设计__eol__132分类器的选择__eol__133训练与学习__eol__14聚类分析__eol__141聚类的设计__eol__142基于试探法的聚类设计__eol__143基于群体智能优化算法的聚类设计__eol__15模式识别的应用__eol__本章小结__eol__习题1__eol__第2章特征的选择与优化__eol__21特征空间优化设计问题__eol__22样本特征库初步分析__eol__23样品筛选处理__eol__24特征筛选处理__eol__25特征评估__eol__26基于主成分分析的特征提取__eol__27特征空间描述与分析__eol__271特征空间描述__eol__272特征空间分布分析__eol__28手写数字特征提取与分析__eol__281手写数字特征提取__eol__282手写数字特征空间分布分析__eol__本章小结__eol__习题2__eol__第3章模式相似性测度__eol__31模式相似性测度的基本概念__eol__32距离测度分类法__eol__321模板匹配法__eol__322基于PCA的模板匹配法__eol__323马氏距离分类__eol__本章小结__eol__习题3__eol__第4章基于概率统计的贝叶斯分类器设计__eol__41贝叶斯决策的基本概念__eol__411贝叶斯决策所讨论的问题__eol__412贝叶斯公式__eol__42基于最小错误率的贝叶斯决策__eol__43基于最小风险的贝叶斯决策__eol__44贝叶斯决策比较__eol__45基于最小错误率的贝叶斯分类实现__eol__46基于最小风险的贝叶斯分类实现__eol__本章小结__eol__习题4__eol__第5章判别函数分类器设计__eol__51判别函数的基本概念__eol__52线性判别函数__eol__53线性判别函数的实现__eol__54感知器算法__eol__55Fisher分类__eol__56基于核的Fisher分类__eol__57支持向量机__eol__本章小结__eol__习题5__eol__第6章神经网络分类器设计__eol__61人工神经网络的基本原理__eol__611人工神经元__eol__612人工神经网络模型__eol__613神经网络的学习过程__eol__614人工神经网络在模式识别问题上的优势__eol__62BP神经网络__eol__621BP神经网络的基本概念__eol__622BP神经网络分类器设计__eol__63径向基函数神经网络(RBF)__eol__631径向基函数神经网络的基本概念__eol__632径向基函数神经网络分类器设计__eol__64自组织竞争神经网络__eol__641自组织竞争神经网络的基本概念__eol__642自组织竞争神经网络分类器设计__eol__65概率神经网络(PNN) __eol__651概率神经网络的基本概念__eol__652概率神经网络分类器设计__eol__66对向传播神经网络(CPN)__eol__661对向传播神经网络的基本概念__eol__662对向传播神经网络分类器设计__eol__67反馈型神经网络(Hopfield)__eol__671Hopfield网络的基本概念__eol__672Hopfield神经网络分类器设计__eol__本章小结__eol__习题6__eol__第7章决策树分类器设计__eol__71决策树的基本概念__eol__72决策树分类器设计__eol__本章小结__eol__习题7__eol__第8章粗糙集分类器设计__eol__81粗糙集理论的基本概念__eol__82粗糙集在模式识别中的应用__eol__83粗糙集分类器设计__eol__本章小结__eol__习题8__eol__第9章聚类分析__eol__91聚类的设计__eol__92基于试探的未知类别聚类算法__eol__921最临近规则的试探法__eol__922最大最小距离算法__eol__93层次聚类算法__eol__931最短距离法__eol__932重心法__eol__94动态聚类算法__eol__941K均值算法 __eol__942迭代自组织的数据分析算法（ISODATA）__eol__95模拟退火聚类算法__eol__951模拟退火的基本概念__eol__952基于模拟退火思想的改进K均值聚类算法__eol__本章小结__eol__习题9__eol__第10章模糊聚类分析__eol__101模糊集的基本概念__eol__10２模糊集运算__eol__10２1模糊子集运算__eol__10２2模糊集运算性质__eol__10３模糊关系__eol__104模糊集在模式识别中的应用__eol__105基于模糊的聚类分析__eol__本章小结__eol__习题10__eol__第11章遗传算法聚类分析__eol__111遗传算法的基本原理__eol__11２遗传算法的构成要素__eol__1121染色体的编码__eol__1122适应度函数__eol__1123遗传算子__eol__113控制参数的选择__eol__11４基于遗传算法的聚类分析__eol__本章小结__eol__习题11__eol__第12章粒子群算法聚类分析__eol__121粒子群算法的基本原理__eol__122基于粒子群算法的聚类分析__eol__本章小结__eol__习题12__eol__第13章Memetic算法仿生计算__eol__131Memetic算法__eol__132Memetic算法仿生计算在聚类分析中的应用__eol__本章小结__eol__习题13__eol__参考文献