模式识别原理及应用

第1章  模式识别概论1.1  概述1.2  模式识别的发展历史1.3  模式识别与其他学科的关系1.4  模式识别的基本方法1.5  模式识别的应用本章小结习题与思考题参考文献

第2章  模式识别的基本概念2.1  概述2.2  基本概念2.3  模式识别系统2.4  模式识别的一些基本问题2.5  相关数学概念本章小结习题与思考题参考文献

第3章  模式识别的判别函数3.1  概述3.2  线性判别函数的基本概念3.3  线性判别函数的判定面3.4  非线性判别函数3.5  广义线性判别函数3.6  线性分类器的设计本章小结习题与思考题参考文献

第4章  线性分类器4.1  概述4.2  线性判别函数与决策超平面4.3  感知器算法4.4  最小误差平方和法4.5  梯度下降算法与最小二乘法4.6  Fisher分类器本章小结习题与思考题参考文献

第5章  特征提取与选择5.1  概述5.2  基本概念5.3  类别可分性判据5.4  基于可分性判据的特征提取5.5  基于K-L变换的特征提取本章小结习题与思考题参考文献

第6章  基于贝叶斯决策理论的分类器6.1  概述6.2  贝叶斯决策理论的基本概念6.3  常用的决策规则6.4  概率密度函数的估计6.5  朴素贝叶斯分类器6.6  贝叶斯网络本章小结习题与思考题参考文献

第7章  聚类分析7.1  概述7.2  聚类分析的概念7.3  相似性度量7.4  聚类准则函数7.5  聚类算法7.6  聚类分析在虚假评论检测中的应用本章小结习题与思考题参考文献

第8章  句法模式识别8.1  概述8.2  形式语言概述8.3  基元提取和文法推断8.4  句法分析8.5  自动机理论8.6  自动机理论在语音识别中的应用本章小结习题与思考题参考文献

第9章  模糊模式识别9.1  概述9.2  模糊模式识别的基本概念9.3  直接模糊模式识别法9.4  间接模糊模式识别法9.5  模糊聚类9.6  模糊模式识别在大气质量评定中的应用本章小结习题与思考题参考文献

第10章  决策树10.1  概述10.2  决策树学习10.3  CLS学习算法10.4  ID3学习算法10.5  决策树的剪枝技术10.6  决策树的评价10.7  决策树算法的优化10.8  决策树的应用10.8.1  决策树在文本分类中的应用10.8.2  基于决策树的个人住房贷款信用风险评估模型本章小结习题与思考题参考文献

第11章  人工神经网络11.1  概述11.2  神经元11.3  人工神经网络拓扑结构11.4  人工神经网络学习方法及规则11.5  前馈神经网络及其主要算法11.6  Hopfield网络11.7  自组织神经网络11.8  人工神经网络的应用本章小结习题与思考题参考文献

第12章  隐马尔可夫模型12.1  概述12.2  隐马尔可夫模型的概念12.3  隐马尔可夫模型的三个基本问题及解决办法12.4  隐马尔可夫模型在中文旅游景点识别中的应用本章小结习题与思考题参考文献

第13章  最大熵模型13.1  概述13.2  熵及最大熵13.3  最大熵模型13.4  最大熵在自然语言处理中的应用本章小结习题与思考题参考文献

第14章  条件随机场14.1  概述14.2  概率图模型14.3  条件随机场简介14.4  势函数14.5  参数估计与训练14.6  参数估计的优化14.7  条件随机场在旅游领域命名实体识别中的应用本章小结习题与思考题参考文献

第15章  统计学习理论及支持向量机15.1  概述15.2  机器学习的基本问题和方法15.3  统计学习理论15.4  支持向量机15.5  支持向量机的分类与回归15.6  基于支持向量机的汉语问句分类本章小结习题与思考题参考文献

第16章  统计语言模型及信息检索16.1  概述16.2  统计语言模型16.3  信息检索16.4  统计语言模型在拼音输人法中的应用本章小结习题与思考题参考文献

第17章  基于SVM的中文文本分类17.1  概述17.2  文本分类的原理17.3  基于SVM的文本分类本章小结参考文献

第18章  基于K均值的中文文本聚类18.1  概述18.2  K均值聚类18.3  K均值中文文本聚类18.4  实验与结果分析本章小结参考文献

第19章  基于HMM的语音识别19.1  概述19.2  语音识别19.3  实验及结果分析本章小结参考文献

第20章  基于BP神经网络的数字识别20.1  概述20.2  基于BP神经网络数字识别的算法本章小结参考文献

《模式识别原理及应用/研究生教育“十二五”规划教材》是关于模式识别理论方法及应用的一本专著，系统地介绍了模式识别的基本理论和基本方法，并在此基础上介绍了模式识别的典型应用和新型应用。《模式识别原理及应用/研究生教育“十二五”规划教材》分为二十章，各章包括理论部分和应用部分。主要内容包括统计模式识别、结构模式识别、模糊模式识别、神经网络模式识别等内容，同时还加入当前应用广泛的隐马尔可夫斯基模型、条件随机场模型、最大熵模型等，并通过大量实例讲述如何将所学知识运用到实际应用之中，对文本分类、文本聚类、语音识别、图像识别等应用做了详细介绍。注重对主要知识内容的深入讨论，又突出了广泛性、新颖性。