1.5　本书的主要内容

全书共分为12章。

第1章为模式识别概述，讲述模式识别的基本概念、主要方法、系统的构成及其应用。第2章为基于贝叶斯决策理论的分类器，重点讲述作为监督模式识别理论基础的贝叶斯决策理论及统计判别。第3章为概率密度函数的估计，主要介绍概率密度函数的基本估计方法，包括参数估计方法及非参数估计方法。第4章为判别函数分类器的设计，详细介绍线性判别函数及非线性判别函数。第5章为近邻法，介绍几种常见的近邻法，包括最近邻法、k-近邻法、剪辑近邻法和压缩近邻法。第6章为特征选择，介绍常用特征的评价准则、最优特征的生成及特征选择的各种算法。第7章为特征提取，介绍基于类别可分性判据的特征提取和特征变换方法，包括主成分分析法、K-L变换、非线性维数降低和Haar变换。第8章为聚类，介绍各种聚类算法，包括顺序聚类算法、合并算法、模糊聚类方法和动态聚类算法。第9章为模糊模式识别方法，介绍模糊集的基本知识，进而介绍模糊特征、模糊分类及模糊模式识别的基本类型。第10章为车牌识别的应用举例，以车牌识别为例讲述模式识别知识，并给出相应的实验方案及结果。第11章为签名识别的应用举例，以签名识别为例讲述模式识别知识，并给出相应的实验方案及结果。第12章为人脸识别的应用举例，以人脸识别为例讲述模式识别知识，并给出相应的实验方案及结果。本章小结本章介绍了模式识别的概念、目的，模式识别的主要方法以及模式识别系统。通过本章的学习，读者应该初步了解模式识别的基本概念、基本术语以及研究目的，明确今后学习的目标和内容，同时掌握模式识别的主要方法：决策理论方法、句法方法、模糊模式识别方法、人工神经网络方法、人工智能方法，明确模式识别系统的构成并从模式识别系统的一些应用举例中看出模式识别技术广阔的应用前景。习题1.1　什么是模式识别？1.2　简述模式识别的主要研究方法并简要介绍。1.3　给出模式识别在生活中的应用举例并简要介绍。