《模式識別（第四版）》是2010年電子工業(yè)出版社出版的圖書，作者是西奧多里蒂斯。本書由模式識別領域的兩位頂級專家合著，全面闡述了模式識別的基礎理論、最新方法、以及各種應用。 作　者：(希)Sergios Theodoridis / (希)Konstantinos Koutroumbas，李晶皎等譯 第1章 導論 1.1 模式識別的重要性 1.2 特征、特征向量和分類器 1.3 有監(jiān)督、無監(jiān)督和半監(jiān)督學習 1.4 MATLAB程序 1.5 本書的內(nèi)容安排 第2章 基于貝葉斯決策理論的分類器 2.1 引言 2.2 貝葉斯決策理論 2.3 判別函數(shù)和決策面 2.4 正態(tài)分布的貝葉斯分類 2.5 未知概率密度函數(shù)的估計 2.6 最近鄰規(guī)則 2.7 貝葉斯網(wǎng)絡 習題 MATLAB編程和練習 參考文獻 第3章 線性分類器 3.1 引言 3.2 線性判別函數(shù)和決策超平面 3.3 感知器算法 3.4 最小二乘法 3.5 均方估計的回顧 3.6 邏輯識別 3.7 支持向量機 習題 MATLAB編程和練習 參考文獻 第4章 非線性分類器 4.1 引言 4.2 異或問題 4.3 兩層感知器 4.4 三層感知器 4.5 基于訓練集準確分類的算法 4.6 反向傳播算法 4.7 反向傳播算法的改進 4.8 代價函數(shù)選擇 4.9 神經(jīng)網(wǎng)絡大小的選擇 4.10 仿真實例 4.11 具有權(quán)值共享的網(wǎng)絡 4.12 線性分類器的推廣 4.13 線性二分法中1維空間的容量 4.14 多項式分類器 4.15 徑向基函數(shù)網(wǎng)絡 4.16 通用逼近 4.17 概率神經(jīng)元網(wǎng)絡 4.18 支持向量機：非線性情況 4.19 超越SVM的范例 4.20 決策樹 4.21 合并分類器 4.22 合并分類器的增強法 4.23 類的不平衡問題 4.24 討論 習題 MATLAB編程和練習 參考文獻 第5章 特征選擇 5.1 引言 5.2 預處理 5.3 峰值現(xiàn)象 5.4 基于統(tǒng)計假設檢驗的特征選擇 5.5 接收機操作特性（ROC）曲線 5.6 類可分性測量 5.7 特征子集的選擇 5.8 最優(yōu)特征生成 5.9 神經(jīng)網(wǎng)絡和特征生成/選擇 5.10 推廣理論的提示 5.11 貝葉斯信息準則 習題 MATLAB編程和練習 參考文獻 第6章 特征生成I：線性變換 6.1 引言 6.2 基本向量和圖像 6.3 Karhunen-Loève變換 6.4 奇異值分解 6.5 獨立成分分析 6.6 非負矩陣因子分解 6.7 非線性維數(shù)降低 6.8 離散傅里葉變換（DFT） 6.9 離散正弦和余弦變換 6.10 Hadamard變換 6.11 Haar變換 6.12 回顧Haar展開式 6.13 離散時間小波變換（DTWT） 6.14 多分辨解釋 6.15 小波包 6.16 二維推廣簡介 6.17 應用 習題 MATLAB編程和練習 參考文獻 第7章 特征生成II 7.1 引言 7.2 區(qū)域特征 7.3 字符形狀和大小的特征 7.4 分形概述 7.5 語音和聲音分類的典型特征 習題 MATLAB編程和練習 參考文獻 第8章 模板匹配 8.1 引言 8.2 基于最優(yōu)路徑搜索技術(shù)的測度 8.3 基于相關(guān)的測度 8.4 可變形的模板模型 8.5 基于內(nèi)容的信息檢索：相關(guān)反饋 習題 MATLAB編程和練習 參考文獻 第9章 上下文相關(guān)分類 9.1 引言 9.2 貝葉斯分類器 9.3 馬爾可夫鏈模型 9.4 Viterbi算法 9.5 信道均衡 9.6 隱馬爾可夫模型 9.7 狀態(tài)駐留的HMM 9.8 用神經(jīng)網(wǎng)絡訓練馬爾可夫模型 9.9 馬爾可夫隨機場的討論 習題 MATLAB編程和練習 參考文獻 第10章 監(jiān)督學習：尾聲 10.1 引言 10.2 誤差計算方法 10.3 探討有限數(shù)據(jù)集的大小 10.4 醫(yī)學圖像實例研究 10.5 半監(jiān)督學習 習題 參考文獻 第11章 聚類：基本概念 11.1 引言 11.2 近鄰測度 習題 參考文獻 第12章 聚類算法I：順序算法 12.1 引言 12.2 聚類算法的種類 12.3 順序聚類算法 12.4 BSAS的改進 12.5 兩個閾值的順序方法 12.6 改進階段 12.7 神經(jīng)網(wǎng)絡的實現(xiàn) 習題 MATLAB編程和練習 參考文獻 第13章 聚類算法II：層次算法 13.1 引言 13.2 合并算法 13.3 cophenetic矩陣 13.4 分裂算法 13.5 用于大數(shù)據(jù)集的層次算法 13.6 最佳聚類數(shù)的選擇 習題 MATLAB編程和練習 參考文獻 第14章 聚類算法III：基于函數(shù)最優(yōu)方法 14.1 引言 14.2 混合分解方法 14.3 模糊聚類算法 14.4 可能性聚類 14.5 硬聚類算法 14.6 向量量化 附錄 習題 MATLAB編程和練習 參考文獻 第15