本书依据作者多年从事模式识别教学和研究的体会,并参考相关文献编写而成,概括地介绍了模式识别理论和技术的基本概念、原理、方法和实现。全书共分为11章,每章阐述模式识别中的一个知识点,内容包括贝叶斯决策、概率密度函数的估计、线性判别分析、非线性判别分析、组合分类器、无监督模式识别、特征选择、特征提取、半监督学习以及人工神经网络。除了经典算法以外,本书增加了部分较新的理论和算法,读者可以选择性地学习。本书还配以电子课件、MATLAB仿真程序和实验指导书,便于教和学。本书可以作为高等学校人工智能、计算机、信息、自动化、遥感、控制等专业本科生或研究生的教材或参考书,也可以作为从事相关研究与应用人员的参考书。

教学资源：教学课件程序代码 实验指导教学建议本书特色：本书是在总结“模式识别”课程教学经验的基础上，结合本科生教学特点编写而成的。全书理论联系实际，层次分明，语言描述清晰，力求让读者清晰掌握模式识别的基本概念、基本原理和应用方法，能够初步运用所学知识解决实际问题，为模式识别及相关领域的研究奠定基础。易学易教：各种算法叙述思路清晰，编写示例，设计实例，有助于初学者对算法的理解。配以教学建议、教学课件、程序代码、实验指导等资源，便于开展教学。注重实践：在系统阐述理论算法的同时，对每种算法设计基于MATLAB的仿真程序，在各章习题中安排编程题目，加强实践，加深读者对各种算法的理解和掌握。内容丰富：涵盖模式识别的十个知识模块，均包含理论和实践部分；除经典算法外，增加了较新的理论和算法，可以选择性地学习；阐述由浅入深，符合大学生的学习规律。