模式识别的理论与方法

　　前言
　　第一章概论
　　第二章贝叶斯决策理论
　　第一节基于最小错误率的贝叶斯判别法
　　第二节基于贝叶斯公式的几种判别规则
　　第三节正态分布模式的统计决策
　　第四节概率密度函数的估计
　　第五节贝叶斯分类器的错误概率
　　第三章判别函数与确定性分类器
　　第一节线性判别函数与广义线性判别函数
　　第二节广义线性判别函数的二分能力
　　第三节感知器算法
　　第四节最小平方误差算法
　　第五节多类模式的分类器迭代算法
　　第六节势函数法
　　第四章聚类分析
　　第一节按距离聚类的概念
　　第二节模式相似性测度与聚类准则
　　第三节聚类算法
　　第四节对聚类的评价
　　第五章模式特征分析与选取
　　第一节描述模式分布状态的测度
　　第二节特征提取的方法
　　第三节离散K-L变换
　　第四节利用K-L变换的分类特征提取
　　第五节增维问题
　　第六章模糊集合理论在模式识别中的应用
　　第一节引言
　　第二节模糊子集
　　第三节模糊集的简单运算、模糊度与模糊关系
　　第四节隶属函数的确定
　　第五节模糊集理论在模式识别中的应用
　　第七章句法模式识别
　　第一节形式语言基础和文法
　　第二节一维及高维文法
　　第三节基元提取和文法推断
　　第四节句法分析和自动机识别
　　第八章人工神经网络在模式识别中的应用
　　第一节人工神经网络概述
　　第二节前馈神经网络及其主要算法
　　第三节Hopfield网络
　　第四节自适应共振理论神经网络
　　第五节自组织特征映射神经网络
　　附录
　　参考文献

　　    本书是为适应遥感科学与技术、摄影测量与遥感、遥感信息工程等专业方向本科生教学的需要，并结合近年来有关科研工作的成果和目前国内外遥感影像计算机处理的研究进展而编写的，包括了模式识别的四个方面，即统计模式识别、模糊模式识别、句法模式识别和智能模式识别的基本理论和方法，论述的重点在统计模式识别。