前言
第一章 绪论
学习目标
1.1 模式与模式识别
1.2 模式识别的方法和发展历史
1.3 模式识别系统基本框架和构成
1.4 有监督和无监督模式识别
1.5 模式识别系统举例
1.6 模式识别系统的性能评价
小结
自检自测
第二章 线性分类器
学习目标
2.1 线性分类器基础
2.2 垂直平分分类器
2.3 Fisher投影准则
2.4 感知准则
2.5 最小错分样本准则
2.6 最小平方误差准则
小结
自检自测
第三章 贝叶斯分类器
学习目标
3.1 贝叶斯决策概述
3.2 最小错误率贝叶斯决策
3.3 最小风险贝叶斯决策
3.4 最大最小贝叶斯决策
3.5 正态分布时的统计决策
3.6 分类器的错误率
3.7 朴素贝叶斯分类器和贝叶斯网络
小结
自检自测
第四章 非线性分类器
学习目标
序言
4.1 近邻法
4.2 支持向量机
4.3 决策树
4.4 分类器的集成
小结
自检自测
第五章 特征选择与特征提取
学习目标
序言
5.1 特征选择
5.2 特征提取
小结
自检自测
第六章 无监督分类器
学习目标
序言
6.1 聚类的基本原理
6.2 基于层次的聚类方法
6.3 基于划分的聚类方法
6.4 基于密度的聚类方法
6.5 基于模型的聚类方法
小结
自检自测
第七章 经典神经网络分类器
学习目标
序言
7.1 人工神经网络基础
7.2 感知机
7.3 多层感知机
7.4 反馈神经网络
7.5 自组织神经网络
小结
自检自测
第八章 卷积神经网络
学习目标
8.1 卷积神经网络基本结构
8.2 卷积神经网络的特性
8.3 卷积神经网络的目标函数
8.4 卷积神经网络的训练
8.5 经典的卷积神经网络
8.6 卷积网络的一般设计方法
小结
自检自测
第九章 模式识别实验
学习目标
9.1 实验数据集介绍
9.2 实验环境配置和实验系统框架
9.3 实验1：搭建一个简单的分类识别系统
9.4 实验2：特征提取
9.5 实验3：无监督分类
9.6 实验4：分类器的训练和测试
9.7 实验5：模式识别系统的性能评估与优化
小结
第十章 模式识别的航空航天应用
学习目标
10.1 遥感舰船细粒度分类
10.2 遥感地物分类
10.3 多视角空间目标识别
10.4 遥感图像飞机目标检测
10.5 恒星星图识别
小结
