模式识别（第三版）

第1章 导论

1.1模式识别的重要性

1.2特征、特征向量和分类器

1.3有监督和无监督模式识别

1.4本书的内容安排

第2章 基于贝叶斯决策理论的分类器

2.1引言

2.2贝叶斯决策理论

2.3判别函数和决策面

2.4正态分布的贝叶斯分类

2.5未知概率密度函数的估计

2.6最近邻规则

2.7贝叶斯网络

习题

参考文献

第3章 线性分类器

3.1引言

3.2线性判别函数和决策超平面

3.3感知器算法

3.4最小二乘法

3.5均方估计的回顾

3.6逻辑识别

3.7支持向量机

习题

参考文献

第4章 非线性分类器

4.1引言

4.2异或问题

4.3两层感知器

4.4三层感知器

4.5基于训练集准确分类的算法

4.6反向传播算法

4.7反向传播算法的改进

4.8代价函数选择

4.9神经网络大小的选择

4.10仿真实例

4.11具有权值共享的网络

4.12线性分类器的推广

4.13线性二分法中z维空间的容量

4.14多项式分类器

4.15径向基函数网络

4.16通用逼近

4.17支持向量机：非线性情况

4.18决策树

4.19合并分类器

4.20合并分类器的增强法

4.21讨论

习题

参考文献

第5章 特征选择

5.1引言

5.2预处理

5.3基于统计假设检验的特征选择

5.4接收机操作特性roc曲线

5.5类可分性测量

5.6特征子集的选择

5.7最优特征生成

5.8神经网络和特征生成/选择

5.9推广理论的提示

5.10贝叶斯信息准则

习题

参考文献

第6章 特征生成i：线性变换

6.1引言

6.2基本向量和图像

6.3karhunen—loeve变换

6.4奇异值分解

6.5独立成分分析

6.6离散傅里叶变换(dft)

6.7离散正弦和余弦变换

6.8hadamard变换

6.9’haar变换

6.10回顾haar。展开式

6.11离散时间小波变换(dtwt)

6.12多分辨解释

6.13小波包

6.14二维推广简介

6.15应用

习题

参考文献

第7章 特征生成ii

7.1引言

7.2区域特征

7.3字符形状和大小的特征

7.4分形概述

7.5语音和声音分类的典型特征

习题

参考文献

第8章 模板匹配

8.1引言

8.2基于最优路径搜索技术的测度

8.3基于相关的测度

8.4可变形的模板模型

习题

参考文献

第9章 上下文相关分类

9.1引言

9.2贝叶斯分类器

9.3马尔可夫链模型

9.4viterbi算法

9.5信道均衡

9.6隐马尔可夫模型

9.7状态驻留的hmm

9.8用神经网络训练马尔可夫模型

9.9马尔可夫随机场的讨论

习题

参考文献

第10章 系统评价

10.1引言

10.2误差计算方法

10.3探讨有限数据集的大小

10.4.医学图像实例研究

习题

参考文献

第11章 聚类：基本概念

11.1引言

11.2近邻测度

习题

参考文献

第12章 聚类算法i：顺序算法

12.1引言

12.2聚类算法的种类

12.3顺序聚类算法

12.4bsas的改进

12.5两个阈值的顺序方法

12.6改进阶段

12.7神经网络的实现

习题

参考文献

第13章 聚类算法ii：层次算法

13.1引言

13.2合并算法

13.3cophenetic矩阵

13.4分裂算法

13.5用于大数据集的层次算法

13.6最佳聚类数的选择

习题

参考文献

第14章 聚类算法iii：基于函数最优方法

14.1引言

14.2混合分解方法

14.3模糊聚类算法

14.4可能性聚类

14.5硬聚类算法

14.6向量量化

附录

习题

参考文献

第15章 聚类算法iv

15.1引言

15.2基于图论的聚类算法

15.3竞争学习算法

15.4二值形态聚类算法

15.5边界检测算法

15.6谷点搜索聚类算法

15.7通过代价最优聚类(回顾)

15.8核聚类方法

15.9对大数据集的基于密度算法

15.10高维数据集的聚类算法

15.11其他聚类算法

习题

参考文献

第16章 聚类有效性

16.1引言

16.2假设检验回顾

16.3聚类有效性中的假设检验

16.4相关准则

16.5单独聚类有效性

16.6聚类趋势

习题

参考文献

附录a 概率论和统计学的相关知识

附录b 线性代数基础

附录c 代价函数的优化

附录d 线性系统理论的基本定义

索引