隨著模式識別技術的迅猛發展，目前該技術已經成為當代高科技研究的重要領域之一，不僅取得了豐富的理論成果，而且其應用範圍越來越廣泛，幾乎遍及各個學科領域.本書以實用性為宗旨，將理論與實踐相結合，介紹了各種相關分類器設計。第1章介紹模式識別的概念、模式識別的方法及其應用。第2章討論貝葉斯分類器的設計。首先介紹貝葉斯決策的概念，讓讀者對貝葉斯理論有所瞭解，然後介紹基於最小錯誤率和最小風險的貝葉斯分類器的設計，將理論應用到實踐，讓讀者真正學會運用該算法解決實際問題。第3章討論判別函數分類器的設計。判別函數包括線性判別函數和非線性判別函數，本章首先介紹判別函數的相關概念，然後介紹線性判別函數LMSE和Fisher分類器的設計及非線性判別函數SVM分類器的設計。第4章討論聚類分析。聚類分析作為最基礎的分類方法，涵蓋了大量經典的聚類算法及衍生出來的改進算法。本章首先介紹相關理論知識，然後依次介紹K均值聚類、K均值改進算法、KNN聚類、PAM聚類、層次聚類及ISODATA分類器設計。第5章討論模糊聚類分析。首先介紹模糊邏輯的發展、模糊數學理論、模糊邏輯與模糊推理等一整套模糊控制理論，然後介紹模糊分類器、模糊C均值分類器、模糊ISODATA分類器設計。第6章討論模擬退火算法聚類設計。首先介紹模擬退火算法的基本原理、基本過程，然後介紹其分類器的設計。第7章介紹遺傳算法聚類設計，包括遺傳算法原理及遺傳算法分類器設計的詳細過程。第8章介紹蟻群算法聚類設計，包括蟻群算法的基本原理、基於蟻群基本算法的分類器設計和改進的蟻群算法MMAS的分類器設計。第9章介紹粒子群算法聚類設計，包括粒子群算法的運算過程、進化模型、原理及其模式分類的設計過程。第10章介紹免疫算法聚類設計，包括免疫算法的原理、流程、特點、關鍵參數說明和實現。第11章介紹禁忌搜索算法，包括禁忌搜索算法的理論和應用。第12章討論神經網絡聚類設計。首先介紹神經網絡的概念及其模型等理論知識，然後介紹基於BP網絡、Hopfield網絡、RBF網絡、GRNN、小波神經網絡、卷積神經網絡、模糊神經網絡、自組織競爭網絡、SOM網絡、LVQ網絡、PNN、CPN的分類器設計。在讀者掌握基礎理論後,通過實例可以瞭解算法的實現思路和方法; 進一步掌握核心代碼編寫,就可以很快掌握模式識別技術。
