第1章 模式识别的基本概念

1.1 模式识别的基本概念

1.2 图像识别

1.3 位图基础

小结

习题

第2章 分类器设计

2.1 特征空间优化设计问题

2.2 分类器设计准则

2.3 分类器设计基本方法

2.4 判别函数

2.5 分类器的选择

2.6 训练与学习

小结

习题

第3章 模板匹配分类器

3.1 特征类设计

3.2 待测样品特征提取

3.3 训练集特征库的建立

3.4 模板匹配分类法

小结

习题

第4章 基于概率统计的Bayes分类器

4.1 Bayes决策的基本概念

4.2 基于最小错误率的Bayes决策

4.3 基于最小风险的Bayes决策

4.4 Bayes决策比较

4.5 基于二值数据的Bayes分类实现

4.6 基于最小错误率的Bayes分类实现

4.7 基于最小风险的Bayes分类实现

小结

习题

第5章 几何分类器

5.1 几何分类器的基本概念

5.2 线性判别函数

5.3 线性差别函数的实现

5.4 感知器算法

5.5 增量校正算法

5.6 LMSE验证可分性

5.7 LMSE分类算法

5.8 Fisher分类

5.9 线性分类器实现分类的局限性

5.10 非线性判别函数

5.11 分段线性差别函数

5.12 势函数法

小结

习题

第6章 神经网络分类器

6.1 人工神经网络的基本原理

6.2 BP网络设计

6.3 神经网络分类器设计

小结

习题

第7章 图像分割与特征提取

7.1 聚类简介

7.2 图像阈值分割

7.3 图像的标识及特征提取

7.4 图像的轮廓提取

7.5 图像的测量

小结

习题

第8章 聚类分析

第9章 模糊聚类分析

第10章 遗传算法聚类分析

附录A 几种主要矩阵运算的程序代码

参考文献