模式识别与智能计算：Matlab技术实现（第2版）

本书广泛吸取统计学、神经网络、数据挖掘、机器学习、人工智能、群智能计算等学科的先进思想和理论，将其扩充到模式识别体系中。再次修订，将全书内容进行归纳整合，依据统计模式识别理论体系分三部分，包括基础篇、分类器设计篇和聚类分析篇。再版新书以一种新的体系，系统、全面地介绍模式识别的理论、方法及应用。本书内容新颖，实用性强，理论与应用密切结合，以手写数字识别为应用实例，介绍理论运用于实践的实现步骤及相应Matlab代码，为广大研究工作者和工程技术人员对相关理论的应用起到借鉴作用。

这是一本系统、全面介绍模式识别理论、方法及应用的专业书籍。本书广泛吸取了统计学、神经网络、数据挖掘、机器学习、人工智能、群智能计算等学科的先进思想和理论，将其扩充到模式识别体系中。再次修订，将全书内容进行归纳整合，依据统计模式识别理论体系分三部分，包括基础篇、分类器设计篇和聚类分析篇。 本书内容新颖，实用性强，理论与应用密切结合，以手写数字识别为应用实例，介绍理论运用于实践的实现步骤及相应Matlab代码，为广大研究工作者和工程技术人员对相关理论的应用起到借鉴作用。 书中详细阐述了模式识别系统的组成，包括数据获取、预处理、特征提取、分类决策以及分类器设计。书中还详细介绍了聚类设计的定义和目标，包括基于试探的未知类别聚类算法、层次聚类算法、动态聚类算法、模拟退火聚类算法等。 此外，书中还深入探讨了特征空间优化的重要性，包括特征选择和特征的组合优化方法，以及特征评估的重要性和方法，包括基于距离的可分性判据和基于概率密度分布的判据。书中还详细介绍了基于主成分分析的特征提取，以及模式相似性测度的重要性，包括欧式距离、马氏距离、夹角余弦距离、Tanimoto测度等。 书中还详细介绍了贝叶