[希腊]SergiosTheodoridis , KonstantinosKoutroumbas .4Edition 电子工业2010.中文版。
2013-03-13题，虽然这本书只看到了第二章，已经可以看出，长期以来，缺少的经典基础课本，就是这一本啊。看论文不懂的技术这里都能有解释，非常全面。
第一章 导论
目的将对象进行分类。
视觉 字符 辅助诊断 语音识别 数据挖掘和知识探索
有监督Supervised Pattern Recognition 、无监督 和 半监督学习Unsupervised Pattern Recogniton /Clustering.
聚类算法 可以用来完成对l维特征向量的分组。
无监督识别主要用于确定两个特征向量之间的“相似度”以及合适的测度。并选取一个计算方案，基于选定的相似性测度对向量进行聚类分组。
原始未知类别的模式，未标记数据；书籍类别的训练模式，标记数据。当系统设计者得到数量有限的标记数据时，半监督模式就很重要了。
2－10章 讲有监督模式识别。11－16章讲无监督模式识别。
2章讲用于估计未知概率密度函数的贝叶斯分类技术。重点关注贝叶斯分类、最小距离（欧几里德距离和马哈拉诺比斯距离）、最近邻分类器、相互贝叶斯分类器。
3章讲线性分类器的设计 。 具体讨论均方理论的概率估计性质，并简单介绍偏差－方差的难题。重点讲述了线性可分性、感知器算法、均方和最小二乘。
4章讲非线性分类器的设计 ， 重点介绍了cover宣和径向基函数RBF网络。简单介绍了非线性支持向量机、决策树和联合分类器。
5章讲特征选择，尽可能介绍现有技术。重点在t检验，因为假设检验有广泛的应用。重点是两类的fisher线性判别法LDA
6章讲如何利用下次变换进行特征提取。介绍KL变换和奇异值分解。离散小波变换。
7章讲图像和声音分类中的特征提取。 侧重于一阶和魂不附体统计特征及行程长度方法。
8章讲模板匹配。介绍了动态规划和viterbi算法。 并应用于语音识别。重点放在动态规划和viterbi算法上。
9章讲上下文输电网。介绍了隐 马尔可夫模型。
10章讲系统评估和半监督学习。讨论各种误差评估技术。留一法和重替代法是。
11章讲聚类的基本概念。并介绍最通用的近邻测度法。
12章讲顺序聚类算法。 包括一些最简单的聚类方案。
13章讲层次聚类算法。重点在矩阵理论的单一连接和完全连接算法方面。
14章讲基于代价函数最倚翠 的聚类算法。 主要应用微分工具。重点讲isodata算法。
15章讲不同的聚类算法。竞争学习，分支和约束，模拟退火及遗传算法。
16章讲聚类过程的聚类有效性。
第二章 基于贝叶斯决策理论的分类器
贝叶斯决策理论：最小化分类错误率， 最小平均风险，损失矩阵，
判别函数和决策面，
正态分布的贝叶斯分类 ： 高斯概率密度函数 ， 贝叶斯分类器是二次曲线分类器。最小距离分类器，
未知概率密度函数的估计：最大似然参数估计，最大后验概率估计，贝叶斯推论，最大熵估计，混合模型，非参数估计，pazzen窗，朴素贝叶斯，
最近邻规则，
贝叶斯网络，
第三章 线性分类器
第四章 非线性分类器
第五章 特征选择
第六章 特征生成I:线性变换
第七章 特征生成II：
第八章 模板匹配
第九章 上下文相关分类
第十章 监督学习
第十一 聚类：基本概念
第十二 聚类算法I：顺序算法
第十三 聚类算法II：层次算法
第十四 聚类算法III：基于函数最优
第十五 聚类算法IV:
第十六 聚类有效性
which do i prefer
- linux高级程序设计 人邮
- linux c程序基础
- linux命令、编辑器
- linux c一站式
- 模式识别
- 项目大全