内容简介
本书全面阐述了模式识别的基础理论、最新方法以及各种应用。讨论了贝叶斯分类、贝叶斯网络、线性和非线性分类器设计、特征生成、特征选取技术、学习理论的基本概念以及聚类概念与算法。与前一版相比，增加了大数据集和高维数据相关的最新算法，提供了最新的分类器和鲁棒回归的核方法。新增一些热点问题，如非线性降维、非负矩阵因数分解、关联性反馈、鲁棒回归、半监督学习、谱聚类和聚类组合技术。每章均提供有习题与练习，用MATLAB求解问题，给出一些例题的多种求解方法；且支持网站上提供有习题解答，以便于读者增加实际经验。
图书目录
目 录
第1章 导论 1
1.1 模式识别的重要性 1
1.2 特征、特征向量和分类器 3
1.3 有监督、无监督和半监督学习 4
1.4 MATLAB程序 6
1.5 本书的内容安排 6
第2章 基于贝叶斯决策理论的分类器 8
2.1 引言 8
2.2 贝叶斯决策理论 8
2.3 判别函数和决策面 12
2.4 正态分布的贝叶斯分类 13
2.5 未知概率密度函数的估计 23
2.6 最近邻规则 42
2.7 贝叶斯网络 44
习题 49
MATLAB编程和练习 55
参考文献 60
第3章 线性分类器 63
3.1 引言 63
3.2 线性判别函数和决策超平面 63
3.3 感知器算法 64
3.4 最小二乘法 70
3.5 均方估计的回顾 75
3.6 逻辑识别 80
3.7 支持向量机 81
习题 97
MATLAB编程和练习 99
参考文献 100
第4章 非线性分类器 104
4.1 引言 104
4.2 异或问题 104
4.3 两层感知器 105
4.4 三层感知器 108
4.5 基于训练集准确分类的算法 109
4.6 反向传播算法 110
4.7 反向传播算法的改进 115
4.8 代价函数选择 117
4.9 神经网络大小的选择 119
4.10 仿真实例 123
4.11 具有权值共享的网络 124
4.12 线性分类器的推广 125
4.13 线性二分法中l维空间的容量 126
4.14 多项式分类器 127
4.15 径向基函数网络 129
4.16 通用逼近 131
4.17 概率神经元网络 132
4.18 支持向量机：非线性情况 134
4.19 超越SVM的范例 137
4.20 决策树 146
4.21 合并分类器 150
4.22 合并分类器的增强法 155
4.23 类的不平衡问题 160
4.24 讨论 161
习题 161
MATLAB编程和练习 164
参考文献 168
第5章 特征选择 178
5.1 引言 178
5.2 预处理 178
5.3 峰值现象 180
5.4 基于统计假设检验的特征选择 182
5.5 接收机操作特性（ROC）曲线 187
5.6 类可分性测量 188
5.7 特征子集的选择 193
5.8 最优特征生成 196
5.9 神经网络和特征生成/选择 203
5.10 推广理论的提示 204
5.11 贝叶斯信息准则 210
习题 211
MATLAB编程和练习 213
参考文献 216
第6章 特征生成I：线性变换 221
6.1 引言 221
6.2 基本向量和图像 221
6.3 Karhunen-Loève变换 223
6.4 奇异值分解 229
6.5 独立成分分析 234
6.6 非负矩阵因子分解 239
6.7 非线性维数降低 240
6.8 离散傅里叶变换（DFT） 248
6.9 离散正弦和余弦变换 251
6.10 Hadamard变换 252
6.11 Haar变换 253
6.12 回顾Haar展开式 254
6.13 离散时间小波变换（DTWT） 257
6.14 多分辨解释 264
6.15 小波包 265
6.16 二维推广简介 266
6.17 应用 268
习题 271
MATLAB编程和练习 273
参考文献 275
第7章 特征生成II 282
7.1 引言 282
7.2 区域特征 282
7.3 字符形状和大小的特征 298
7.4 分形概述 304
7.5 语音和声音分类的典型特征 309
习题 320
MATLAB编程和练习 322
参考文献 325
第8章 模板匹配 331
8.1 引言 331
8.2 基于最优路径搜索技术的测度 331
8.3 基于相关的测度 342
8.4 可变形的模板模型 346
8.5 基于内容的信息检索：相关反馈 349
习题 352
MATLAB编程和练习 353
参考文献 355
第9章 上下文相关分类 358
9.1 引言 358
9.2 贝叶斯分类器 358
9.3 马尔可夫链模型 358
9.4 Viterbi算法 359
9.5 信道均衡 362
9.6 隐马尔可夫模型 365
9.7 状态驻留的HMM 373
9.8 用神经网络训练马尔可夫模型 378
9.9 马尔可夫随机场的讨论 379
习题 381
MATLAB编程和练习 382
参考文献 384
第10章 监督学习：尾声 389
10.1 引言 389
10.2 误差计算方法 389
10.3
