模式识别

本书围绕模式识别的基本概念、基础理论和典型方法，从实际应用问题出发，系统描述了模式识别的常用方法和常见技巧，并给出了一系列实验及应用案例。本书首先介绍了机器视觉的概念及特征提取的概念和方法；其次介绍了线性分类模型、非线性分类模型、时间序列预测模型和混合模型等理论知识与实践操作；最后重点介绍了图像识别、视频目标检测与跟踪、语音识别、生物特征识别和医学图像检索等典型应用。

这是一本全面介绍了模式识别的基本概念、基础理论和典型方法的教材。该书首先介绍了机器视觉的概念及特征提取的概念和方法，然后介绍了线性分类模型、非线性分类模型、时间序列预测模型和混合模型等理论知识与实践操作。最后，重点介绍了图像识别、视频目标检测与跟踪、语音识别、生物特征识别和医学图像检索等典型应用。 书中详细介绍了视觉信息的特征获取，包括低级特征抽象处理和高级的抽象特征处理。强调了特征的选择和提取是模式识别系统的关键环节，它涉及到信息获取、预处理、特征选择与提取等多个环节。此外，还介绍了特征的定义与表达方式，包括数值特征和基元特征，以及低层特征、中层特征和高层特征。 在介绍特征提取方法与研究进展时，书中提到了基于统计的特征提取方法、基于变换的特征提取方法和基于深度学习的方法等。并详细介绍了Fisher线性判别函数，这是一种有效的线性分类器，通过最大化类间离散度与类内离散度的比值，来找到最优的投影方向和分类阈值。 在介绍时间序列预测基本概念时，书中提到了时间序列的定义、分类、预测模型的选择、预测流程以及常用的预测方法等。并详细介绍了高斯混合模型(GMM) 和贝叶斯混合模型(NBMM)