下载掌阅APP，畅读海量书库
立即打开
模式识别已经成为当代高科技研究的重要领域之一，它已发展成为一门独立的新学科。模式识别技术迅速扩展，已经应用在人工智能、机器人、系统控制、遥感数据分析、生物医学工程、军事目标识别等领域，几乎遍及各个学科领域，在国民经济、国防建设、社会发展的各个方面得到广泛应用，产生了深远的影响。
再版新书广泛吸取了统计学、神经网络、数据挖掘、机器学习、人工智能、群智能计算等学科的先进思想和理论，将其扩充到模式识别体系中。以一种新的体系，系统、全面地介绍模式识别的理论、方法及应用。全书共分为三部分，第一部分基础篇，内容包括模式识别的基本概念，特征的选择与提取，模式相似性测度。这一部分介绍模式识别的基本概念和基本方法。第二部分分类器设计篇，内容包括：贝叶斯（Bayes）分类器设计，判别函数设计，神经网络分类器设计，决策树分类器设计，粗糙集分类器设计。这一部分利用手写数字分类识别的具体实例把模式识别方法结合起来，为广大研究工作者和工程技术人员对相关理论的应用起到借鉴作用。第三部分聚类分析，内容包括基本聚类算法，模拟退火聚类分析，模糊聚类分析，禁忌搜索算法聚类分析，遗传算法聚类分析，群体智能聚类算法（蚁群算法聚类分析，粒子算法群聚类分析）。这一部分采用一幅含有需要聚类分析的图像形象生动地说明各种聚类算法。
国内外论述模式识别技术的书籍不少，但由于这一领域涉及深奥的数学理论，往往使实际工作者感到困难，而大部分书是罗列模式识别的各种算法，见不到算法的实际效果和各种算法对比的结果，而这正是学习者和实际工作者所需要了解和掌握的内容。目前还确实缺少一本关于模式识别技术在实际应用方面，具有系统性、可比性和实用性的参考书。
本书特点如下：
1.选用新技术。除了介绍许多重要经典的内容以外，书中还包括了最近十几年来才刚刚发展起来的并被实践证明有用的新技术、新理论，比如支持向量机、BP神经网络、RBF神经网络、PNN神经网络、CPN神经网络、SORNN神经网络、决策树、粗糙集理论、模糊集理论、模拟退火、遗传算法、蚁群算法、粒子群算法等，并将这些新技术应用于模式识别当中，提供这些新技术的实现方法和源代码。
2.实用性强，针对实例介绍理论和技术，使理论和实践相结合，避免了空洞的理论说教。书中实例取材于手写数字模式识别，对于数字识别属于多类问题，在实际应用中具有广泛的代表性，读者对程序稍加改进，就可以应用到不同的场合，如文字识别、字符识别、图形识别等。
3.针对每一种模式识别技术，书中分为理论基础、实现步骤、编程代码三部分。在掌握了基本理论之后，按照实现步骤的指导，可以了解算法的实现思路和方法，再进一步体会短小精悍的核心代码，学习者可以很快掌握模式识别技术，经过应用本书提供的实例程序，立刻会见到算法的实际效果。书中所有算法都用Matlab编程实现，便于读者学习和应用。
本书内容基本涵盖了目前“模式识别”重要的理论和方法，但并没有简单地将各种理论方法堆砌起来，而是将作者自身的研究成果和实践经验传授给读者，在介绍各种理论和方法时，将不同算法应用于实际中，内容包括需要应用模式识别技术解决的问题，模式识别理论的讲解和推理，将理论转化为编程的步骤，计算机能够运行的源代码，计算机运行模式识别算法程序后的效果，以及不同算法应用于同一个问题的效果对比。使读者面对如此丰富的理论和方法不至于无所适从，而是有所学就会有所用。
由于至今还没有统一的、有效的可应用于所有的模式识别的理论，当前的一种普遍看法是，不存在对所有的模式识别问题都适用的单一模型和解决识别问题的单一技术，我们所要做的是把模式识别方法与具体问题结合起来，把模式识别与统计学、神经网络、数据挖掘、机器学习、人工智能、群智能计算等学科的先进思想和理论结合起来，为读者提供一个多种理论的测试平台，并在此基础上，深入掌握各种理论的效能和应用的可能性，互相取长补短，开创模式识别应用的新局面。
本书可作为高等院校计算机工程、信息工程、生物医学工程、智能机器人学、工业自动化、模式识别等学科研究生、本科生的教材或教学参考书，也可供有关工程技术人员参考。
参加本书编写的还有：邓飞、张成、王立群、任翠池、冯帆、王博凯、牛廷伟、王丽贤、王光彪、贾紫鹃等，他们在作者指导下的研究工作中付出了辛苦的劳动，取得了有益的研究成果，正是在他们的努力下本书得以顺利完成，在此表示衷心的感谢。同时，对张桦教授、徐伯夏研究员、李兰友教授给予的帮助和支持表示衷心的感谢。本书的出版得到天津理工大学出版基金的资助。由于编者业务水平和实践经验有限，书中缺点与错误在所难免，欢迎读者予以指正！
作者将不辜负广大读者的期望，努力工作，不断充实新的内容。为方便广大读者，提供了技术支持电子邮箱：ysying1262＠126.com。读者可通过该邮箱及时与作者取得联系，获得技术支持。
著者