《模式識別》共分為8章。第一章為緒論，主要介紹了模式識別的概念，系統(tǒng)組成及常用方法。第二章～第五章主要介紹了統(tǒng)計模式識別的方法，有特征聚類，貝葉斯分類，fish線性判別以及近鄰法。第六章講述了幾種人工神經(jīng)網(wǎng)絡(luò)方法，第七章詳細介紹了一個三維識別的案例。
《模式識別》打破了傳統(tǒng)程序類書籍的編排方法，將編程思路和編程過程與所附代碼有機結(jié)合在一起，分層次分模塊地予以講解。同時，以圖解的方式講解程序的運行過程和結(jié)果，并配有適當(dāng)?shù)奈淖终f明，從而使讀者迅速理解所講述的內(nèi)容。
模式識別是人類的一項基本智能，在社會活動和科學(xué)研究的許多方面有著巨大的現(xiàn)實意義，已經(jīng)廣泛應(yīng)用于許多領(lǐng)域，例如：人臉識別、指紋識別、文字識別、語音識別、車牌識別、字符識別等。 模式識別是一門綜合性、交叉性的學(xué)科，其與數(shù)學(xué)、認(rèn)知科學(xué)、計算機科學(xué)、心理學(xué)、語言學(xué)、生物學(xué)等眾多學(xué)科相互融會貫通。自80年代提出以來，始終受到國內(nèi)外科研工作和各應(yīng)用領(lǐng)域的追捧。近些年，隨著計算機技術(shù)軟硬件的快速發(fā)展以及其他相關(guān)學(xué)科的日臻成熟，模式識別在各個領(lǐng)域的應(yīng)用和需求逐漸得到人們的廣泛關(guān)注和重視。
在學(xué)術(shù)界也引起了各領(lǐng)域的科研人員的研究熱情，其相關(guān)的論文著作、科研成果層出不窮。
目前，模式識別的教材多以理論介紹為主，讓讀者很難看到理論在實際中是如何應(yīng)用的，所以讀者很難深入掌握這些理論，在項目實踐中，往往無從下手，更談不上創(chuàng)新。
本書從人們?nèi)粘Ｉ詈蜕a(chǎn)中有重要影響的項目入手，綜合了作者多年從事模式識別領(lǐng)域的研究成果，介紹了實際應(yīng)用項目和它的實現(xiàn)技術(shù)。每個項目實例包括項目意義和要求、并且詳細闡述了項目開發(fā)技術(shù)原理和算法實現(xiàn)的步驟，并且提供了部分VC++或MATLAB編程代碼。希望讀者能夠在此基礎(chǔ)上有所創(chuàng)新。這也是撰寫本書的主要目的以及希望本書能夠?qū)崿F(xiàn)的目標(biāo)。
本書共分為7個章節(jié)，第1章對模式識別的基本概念、基本算法和所使用的軟件進行了簡要的介紹；第2章對特征聚類的基本過程以及每個過程中所涉及的基本算法進行了詳細的介紹，通過實際例程加深讀者對相關(guān)算法操作過程的記憶和理解；第3章對貝葉斯分類的基本原理進行了詳細的介紹，并給出了基于貝葉斯的手寫字符識別算法的具體步驟；第4章對Fisher線性判別的基本算法進行了詳細的介紹；第5章對近鄰法中最近鄰法、K近鄰法和剪輯近鄰法的基本原理和實際例程進行了詳細的介紹；第6章對人工神經(jīng)網(wǎng)絡(luò)的基本算法進行了詳細的介紹，并給出了基于bp神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷案例；第7章介紹了三維識別等案例的開發(fā)技術(shù)。
宋麗梅，教學(xué)成果： 2012年獲得香港桑麻獎教金。 科研成果： 2011年天津市科技進步三等獎（排名第一）； 2013年天津市科技進步三等獎（排名第一）； 天津市“131”二層次人才； 天津市高校“中青年骨干創(chuàng)新人才培養(yǎng)計劃”。 主持完成的科研項目如下： 國家自然科學(xué)基金面上項目，61078041，基于視覺的織物疵點三維檢測和三維識別原理研究，2011/01－2013/12，26萬元，已結(jié)題，主持。 國家自然科學(xué)基金，60808020，單目高精度大型物體彩色三維數(shù)字化測量原理研究，2009/01－2011/12，20萬元，已結(jié)題，主持，該項目獲得2013年天津市科技進步三等獎，本人排名第一。 四川省杰出青年基金，07ZQ026-015，高精度便攜式三維全局坐標(biāo)測量系統(tǒng)，2007/01－2009/12，12萬元，已結(jié)題，主持。 天津市中小企業(yè)創(chuàng)新基金，12ZXCXGX11800，基于BCCSL和SFMS的三維在線光學(xué)檢測系統(tǒng)，2012/01-2013/03，15萬元，已結(jié)題，主持。 天津市應(yīng)用基礎(chǔ)及前沿技術(shù)研究計劃，10JCYBJC07200，雙目SFS彩色三維織物疵點在線檢測原理研究，2010/04－2013/03，10萬元，已結(jié)題，主持。 國家中小企業(yè)創(chuàng)新基金，06C26215100466，SFS三維重建及微小間隙精確測量的工業(yè)CT軟件系統(tǒng)，2006/01-2008/01，55萬元，已結(jié)題，參與，該項目獲得2008年綿陽市科技進步三等獎，本人排名第二。 國家中小企業(yè)創(chuàng)新基金，06C26225100462，基于單幅照片進行三維形貌恢復(fù)的軟件系統(tǒng)， 2006/01-2008/01，20萬元，已結(jié)題，參與。
、第1章 緒論
1.1模式識別基本概念
1.1.1模式和模式識別
1.1.2模式識別系統(tǒng)組成
1.2 特征描述
1.3 模式識別方法
1.3.1 統(tǒng)計法
1.3.2 聚類法
1.3.3 神經(jīng)網(wǎng)絡(luò)法
1.3.4 人工智能法
1.4模式識別工程設(shè)計
1.4.1 工程任務(wù)
1.4.2 訓(xùn)練集和測試集選擇
1.4.3 模式識別軟件
習(xí)題
第2章 特征聚類
2.1 聚類的概念
2.1.1特征聚類的基本思想
2.1.2聚類的算法
2.2 數(shù)據(jù)的降維（PCA）
2.2.1 PCA基本概念
2.2.2 PCA原理
2.2.3 PCA的一般步驟
2.2.4數(shù)據(jù)的降維實例
2.3 模式相似性測度
2.3.1距離測度
2.3.2相似測度
2.3.3匹配測度
2.4 K-均值聚類
2.4.1 K-均值聚類算法簡介
2.4.2算法原理
2.4.3K均值算法的一般步驟
2.4.4 K-均值聚類實例
2.5本章小結(jié)
習(xí)題
第3章 貝葉斯分類
3.1 貝葉斯準(zhǔn)則
3.1基于最小錯誤率的貝葉斯準(zhǔn)則
3.2基于最小風(fēng)險的貝葉斯準(zhǔn)則
3.3最大最小決策規(guī)則
3.4紐曼—皮爾遜（Neyman—Pearson）決策規(guī)則
3.5 貝葉斯學(xué)習(xí)估計案例（手寫字符）
習(xí)題
第4章Fisher線性判別
4.1 判別域界面方程分類的概念
4.2線性判別函數(shù)
4.2.1 兩類問題
4.2.2 多類問題
4.3 判別函數(shù)數(shù)值的鑒別意義、權(quán)空間及解空間
4.3.1 判別函數(shù)值的大小、正負的數(shù)學(xué)意義
4.3.2 權(quán)空間、解矢量與解空間
4.4 Fisher線性判別
習(xí)題
第5章 近鄰法
5.1 最近鄰法
5.1.1最近鄰決策規(guī)則
5.1.2最近鄰法的錯誤率分析
5.2最近鄰法程序舉例
5.3 K近鄰法
5.3.1 K近鄰法原理及錯誤率分析
5.3.2 K近鄰法程序舉例
5.4剪輯近鄰法
5.4.1剪輯近鄰法
5.4.2剪輯k-NN近鄰法
5.4.3剪輯近鄰法的一般流程
5.5本章小結(jié)
習(xí)題
第6章 BP神經(jīng)網(wǎng)絡(luò)及案例
6.1 BP神經(jīng)網(wǎng)絡(luò)基本原理
6.2 網(wǎng)絡(luò)各層節(jié)點數(shù)的確定
6.3 網(wǎng)絡(luò)各層間激活函數(shù)的確定
6.4 LM算法
6.5基于BP神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷
6.5.1變壓器常見故障類型
6.5.2 網(wǎng)絡(luò)的訓(xùn)練與仿真
6.6本章小結(jié)
習(xí)題
第7章 模式識別案例分析
7.1電池表面劃痕識別案例
7.1.1電池圖像邊緣提取
7.1.2基于有效邊緣點和Hough變換的電池圓心提取方法
7.1.3 基于NMI特征和邊緣特征電池圖像配準(zhǔn)算法
7.1.4 劃痕提取方法
7.2人臉識別案例
7.2.1 ORL人臉數(shù)據(jù)庫簡介
7.2.2 基于PCA的人臉圖像的特征提取
7.2.3 k-近鄰算法
7.2.4 BP神經(jīng)網(wǎng)絡(luò)法
7.2.5基于BP神經(jīng)網(wǎng)絡(luò)法和k-近鄰法的綜合決策分類
7.2.6實驗的結(jié)果
7.2.7簡單實例
7.3 SIFT算法提取特征點及特征點的匹配
7.3.1高斯尺度空間的極值檢測
7.3.2特征點位置的確定
7.3.3特征點方向的確定
7.3.4特征點描述子生成
7.3.5 SIFT特征向量的匹配
7.3.6實現(xiàn)運動姿態(tài)的解算
7.4氣泡識別案例
7.4.1 兩相流高速圖像采集
7.4.2 兩相流圖像紋理特征的提取
7.4.3 紋理特征的Lempel-Ziv復(fù)雜度分析
7.4.4 基于SVM的氣液兩相流型識別
7.5三維識別案例
7.5.1 三維模型中特征點的定義
7.5.2 特征提取方法
7.5.3 三維識別方法
7.6本章小結(jié)
習(xí)題
參考文獻
新書資訊