模式分类（英文版·第2版）

　　PREFACE
　　1 INTRODUCTION
　　2 BAYESIAN DECISION THEORY
　　3 MAXIMUM-LIKELIHOOD AND BAYESIAN PARAMETER ESTIMATION
　　4 NONPARAMETRIC TECHNIQUES
　　5 LINEAR DISCRIMINANT FUNCTIONS
　　6 MULTILAYER NEURAL NETWORKS
　　7 STOCHASTIC METHODS
　　8 NONMETRIC METHODS
　　9 ALGORITHM-INDEPENDENT MACHINE LEARNING
　　10 UNSUPERVISED LEARNING AND CLUSTERING
　　A MATHEMATICAL FOUNDATIONS
　　INDEX

　　Richard O.Duda于麻省理工学院获得电气工程博士学位，是加州San Jose州立大学电气工程系名誉教授。他是美国人工智能学会会士、IEEE会士。      

　　《模式分类》（英文版）（第2版）清晰地阐明了模式识别的经典方法和新方法，包括神经网络、随机方法、遗传算法以及机器学习理论。提供了大量双色图表，用于突出展示各种概念。收录了大量实用的例题。采用伪代码形式的模式识别算法。扩充了对正文有关键意的习题和计算机练习。用算法形式讲解特殊的模式识别和机器学习技术。每章后面均附有文献历史评述以及重要的参考文献。附录补充了必要的数学基础知识。