01.概述 02.特征矢量及特征空間、隨機矢量、正態分布特性 03.聚類分析的概念、相似性測度 04.相似性測度（二） 05.類間距離、準則函數 06.聚類算法：簡單聚類算法、譜系聚類算法 07.聚類算法：動態聚類算法——C均值聚類算法 08.聚類算法：動態聚類算法——近鄰函數算法 09.聚類算法實驗 10.判別域界面方程分類的概念、線性判別函數 11.判別函數值的鑒別意義、權空間及解空間、fisher線性判別 12.線性可分條件下判別函數權矢量算法 13.一般情況下的判別函數權矢量算法 14.非線性判別函數 15.最近鄰方法 16.感知器算法實驗 17.最小誤判概率準則 18.正態分布的最小誤判概率、最小損失準則判決 19.含拒絕判決的最小損失準則、最小最大損失準則 20.Neyman—Pearson判決、實例 21.概述、矩法估計、最大似然估計 22.貝葉斯估計 23.貝葉斯學習 24.概密的窗函數估計方法 25.有限項正交函數級數逼近法 26.錯誤率估計 27.小結 28.實驗3-4-5 Bayes分類器-kNN分類器-視頻動目標檢測 29.概述、類別可分性判據（一） 30.類別可分性判據（二） 31.基于可分性判據的特征提取 32.離散KL變換與特征提取 33.離散KL變換在特征提取與選擇中的應用 34.特征選擇中的直接挑選法 35.綜合實驗-圖像中的字符識別 孫即祥，現代模式識別，國防科技大學出版社，2003年。 ●吳逸飛譯，模式識別－原理、方法及應用，清華大學出版社，2003年。 ●李晶皎等譯，模式識別（第三版），電子工業出版社，2006年。