本书是清华大学自动化系教材,主要讨论统计模式识别理论和方法,第一版包括贝叶斯决策理论、线性和非线性判别函数、近邻规则、经验风险最小化、特征提取和选择,以及聚类分析,等等。多数章后附有习题,适合于数学和自学。
第二版在第一版基础上进行了较多的修订和补充,增加了关于人工神经网络、模糊模式识别、模拟退火和遗传算法,以及统计学习理论和支持向量机等内容,还介绍了模式识别在人脸识别、说话人语音识别及字符识别等中的应用实例。
......(更多)
第1章 绪论
第2章 贝叶斯决策理论
第3章 概率密度函数的估计
第4章 线性判别函数
第5章 非线性判别函数
第6章 近邻法
第7章 经验风险最小化和有序风险最小方法
第8章 特征的选择与提取
第9章 基于K-L展开式的特征提取
第10章 非监督学习方法
第11章 人工神经网络
第12章 模糊模式识别方法
第13章 统计学习理论和支持向量机
第14章 模式识别在语音信号数字处理中的应用举例
第15章 印刷体汉字识别中的特征提取
......(更多)
nearby points in the high dimensional space remain nearby and similarly co-located with respect to one another in the low dimensional space
......(更多)