人工智能：模式识别

本书是"人工智能出版工程”系列图书之一。模式识别是人工智能的重要组成部分，本书简要介绍了模式识别的基本概念，以模式表示为切入点，针对近20年来模式识别领域研究的热点问题，系统阐述了线性子空间表示、非线性子空间表示、流形学习、稀疏表示、低秩模型、深度学习等方面的研究进展和相关代表性方法。 本书可供高等院校人工智能、智能科学与技术、计算机及相关专业研究生或高年级本科生阅读，也可供对模式识别感兴趣的研究人员和工程技术人员阅读和参考。

这是一本专注于模式识别领域的综合性教材。该书以模式识别定义与实例为起点，系统阐述了模式识别的基本概念和理论框架，包括模式表示、模式分类、应用算例等。同时，本书还详细介绍了近20年来模式识别领域研究的热点问题，如线性子空间表示、非线性子空间表示、流形学习、稀疏表示、低秩模型、深度学习等。 在线性子空间表示部分，本书详细讲解了主成分分析(PCA)、线性鉴别分析(LDA)等经典方法，并探讨了小样本情况下的线性鉴别分析(LDA)以及二维主成分分析(2DPCA)和二维线性鉴别分析(2DLDA)等新方法。在非线性子空间表示部分，本书深入探讨了核方法的基本思想，核主成分分析(KPCA)、核费希尔鉴别分析(KFDA)等基于核的非线性子空间表示方法，并介绍了完整的KFD算法(CKFD)。 在流形学习部分，本书概述了流形学习的基本概念，介绍了非线性嵌入方法、特殊的黎曼流形、流形对齐等关键技术，并探讨了流形学习在计算机视觉领域的应用。在稀疏表示部分，本书详细介绍了稀疏表示的基本算法，基于稀疏表示的特征抽取，基于稀疏表示的分类等关键技术，并探讨了稀疏表示的典型应用。 在低秩模型部分，本书概述了低秩模型的