本書的主要特點： 的特征生成技術，包括基于小波。小波包，分形的特征，還闡述了獨立分量分析。 新增了關子支持向量機，變形模板匹配的章節，以及關于約束優化的附錄。 特征選擇技術。 線性以及非線性分類器的設計，包括貝葉斯分類器、多層感知器，決策樹和RBF網絡。 獨立于上下文的分類，包括動態規劃和隱馬爾科夫建模技術。 不僅介紹了聚類算法的發展，而且還介紹了一些經典方法，諸如模糊。基因、退火等算法技術。 各種應用，包括圖像分析。字符識別，醫學診斷。語音識別以及信道均衡。
模式識別在所有的自動化，信息處理和檢索應用中都至關重要。本書由該領域內的兩位專家合著而成，從工 程角度，闡述了模式識別的應用，涉及的主題從圖像分析到語音識別與通信，書中涉及到了神經網絡的前沿材料， 著重描述了包括獨立分量和支持向量機在內的進展。本書是享譽世界的名著，經過十余年的發展，已成為此領域 的參考書，被世界眾多高校選用為教材。除了適合教學外，也可供工程技術人員參考。
Sergios Theodoridis 是希臘雅典大學信息系教授。于1973年在雅典大學獲得物理學學士學位，又分別子 1975年，1978年在英國伯明翰大學獲得信號處理與通信碩士和博士學位。主要研究方向是自適應信號處理。通信與模 式識別。他是歐洲并行結構及語言協會(PARLE-95)的主席和歐
Preface
CHAPTER 1 INTRODUCTION
CHAPTER 2 CLASSIFIERS BASED ON BAYES DECISION THEORY
CHAPTER 3 LINEAR CLASSIFIERS
CHAPTER 4 NONLINEAR CLASSIFIERS
CHAPTER 5 FEATURE SELECTION
CHAPTER 6 FEATURE GENERATION:LINEAR TRANSFORMS
CHAPTER 7 FEATURE GENERATION II
CHAPTER 8 TEMPLATE MATCHING
CHAPTER 9 CONTEXT-DEPENDENT CLASSIFICATION
CHAPTER 10 SYSTEM FVALUATION
CHAPTER 11 CLUSTERING:BASIC CONCEPTS
CHAPTER 12 CLUSTERING ALGORITHMS I:SEQUXENTIAL ALGORITHMS
CHAPTER 13 CLUSTERING ALGORITHMS II:HIERARCHICAL ALGORITHMS
CHAPTER 14 CLUSTERING ALGORITHMS III:SCHEMES BASED ON FUNCTION OPTIMIZATION
CHAPTER 15 CLUSTERING ALGORITHMS IV
CHAPTER 16 CLUSTER VALIDITY
