下载文档原格式
模式识别※第一章绪论§课前索引§1.1 模式识别和模式的概念§1.2 模式的描述方法§1.3 模式识别系统§1.4 有关模式识别的若干问题§1.5 本书内容及宗旨§本章小节§本章习题※第二章贝叶斯决策理论与统计判别方法§课前索引§2.1 引言§2.2 几种常用的决策规则§2.3 正态分布时的统计决策§本章小节§本章习题※第三章非参数判别分类方法§课前索引§3.1引言§3.2线性分类器§3.3 非线性判别函数§3.4 近邻法§3.5 支持向量机§本章小结§本章习题※第四章描述量选择及特征的组合优化§课前索引§4.1 基本概念§4.2 类别可分离性判据§4.3 按距离度量的特征提取方法§4.4 按概率距离判据的特征提取方法§4.5 基于熵函数的可分性判据§4.6 基于Karhunen-Loeve变换的特征提取§4.7 特征提取方法小结§4.8 特征选择§本章小节§本章习题※第五章非监督学习法§课前索引§5.1 引言§5.2 单峰子类的分离方法§5.3 聚类方法§5.4 非监督学习方法中的一些问题§本章小节§本章习题※第六章人工神经元网络§课前索引§6.1 引言§6.2 Hopfield模型§6.3 Boltzmann机§6.4 前馈网络§6.5 人工神经网络中的非监督学习方法§6.6 小结§本章习题第一章绪论本章要点、难点本章是这门课的绪言，重点是要弄清“模式识别”的名词含义，从而弄清这门课能获得哪方面的知识，学了以后会解决哪些问题。
模式识别讲义《模式识别与图像处理》教学讲义上篇模式识别§1. 模式识别序论近年来，科技发展的重要方向之一就是：人类智能的机器化和人造机器的智能化。
前者以计算机、专家系统、神经网络算法等为代表；后者以智能机器人（具有视觉、听觉、触觉、嗅觉等）为典型。
两个方向的努力都归结为一个目标——研究人工智能。
当然，目前科技水平还远没有达到设定目标。
使机器具有人类的智能水平，使机器像人那样进行目标识别尚需艰苦努力。
模式识别是智能的核心功能之一。
换句话说就是模式识别属于人工智能的范畴。
这里所说的智能或人工智能是指用机器完成以往只能由人类方能胜任的智能活动。
包括：①通过视、听、触、嗅觉接受各种自然信息、感知环境；②经推理、分析、判断、综合将感性认识加工成理论知识，进而形成概念、建立方法以及做出决策；③对外界环境的变化和干扰做出适应性反应等等。
模式识别就是要用机器实现上述第一项人类智能活动。
而第二项则已有神经网络、专家系统等仿照人类思维的智能方法。
第三项则是人类早已开始研究的各种自动化技术、自适应控制、自学习控制等。
那么，什么叫做模式识别呢？§1－1 模式识别的基本概念1、模式与模式识别定义一：模式是一些供模仿用的完美无缺的标本；模式识别就是辨别出特定客体所模仿的标本。
定义二：模式是对特定客体的定量的或结构的描述；模式识别是把待识别模式划分到各自的模式类中去。
这里所说的模式类是具有某些共同特性的模式的集合。
两个定义中，模式一词的含义是不同的。
前者指标本，后者指对客体的描述。
本课程中使用定义二，并且作如下狭义约定：模式识别是指利用计算机自动地或有少量人为干预的方法把待识别模式加以分类，即划分到模式类中去。
一般认为，模式是通过对具体的事物进行观测所得到的具有时间与空间分布的信息，模式所属的类别或同一类中的模式的总体称为模式类，其中个别具体的模式往往称为样本。
模式识别就是研究通过计算机自动的(或人为少量干预)将待识别的模式分配到各个模式类中的技术。
