（已有34条评价）基本信息
内容简介
书籍
计算机书籍
本书是清华大学自动化系教材，主要讨论统计模式识别理论和方法，第一版包括贝叶斯决策理论、线性和非线性判别函数、近邻规则、经验风险最小化、特征提取和选择，以及聚类分析，等等。多数章后附有习题，适于教学和自学。
第二版在第一版基础上进行了较多的修订和补充，增加了关于人工神经网络、模糊模式识别、模拟退火和遗传算法，以及统计学习理论和支持向量机等内容，还介绍了模式识别在人脸识别、说话人语音识别及字符识别等中的应用实例。
本书除了可以作为高等院校自动化、计算机等专业研究生和高年级学生的模式识别教材外，也可供计算机信息处理、自动控制、地球物理、生物信息等领域中从事模式识别工作的广大科技人员和高校师生参考。
计算机书籍
本书是清华大学自动化系教材，主要讨论统计模式识别理论和方法，第一版包括贝叶斯决策理论、线性和非线性判别函数、近邻规则、经验风险最小化、特征提取和选择，以及聚类分析，等等。多数章后附有习题，适于教学和自学。
第二版在第一版基础上进行了较多的修订和补充，增加了关于人工神经网络、模糊模式识别、模拟退火和遗传算法，以及统计学习理论和支持向量机等内容，还介绍了模式识别在人脸识别、说话人语音识别及字符识别等中的应用实例。
本书除了可以作为高等院校自动化、计算机等专业研究生和高年级学生的模式识别教材外，也可供计算机信息处理、自动控制、地球物理、生物信息等领域中从事模式识别工作的广大科技人员和高校师生参考。
目录
第二版前言
第一版前言
第1章 结论
1.1 模式识别和模式的概念
1．2 模式识别系统
1．3 关于模式识别的一些基本问题
1．4 关于本书的内容安排
第2章 贝叶斯决策理论
2．1 引言
2．2 几种常用的决策规则
2．2．1 基于最小错误率的贝叶斯决策
2．2．2 基于最小风险的贝叶斯决策
2．2．3 在限定一类错误率条件下使另一类错误率为最小的两类别决策
2．2．4 最小最大决策
2．2．5 序贯分类方法
2．2．6分类器设计
2．3 正态分布时的统计决策
2．3．1 正态分布概率密度函数的定义及性质
2．3．2 多元正态概率型下的最小错误率贝叶斯判别函数和决策面
2．4 关于分类器的错误率问题
第一版前言
第1章 结论
1.1 模式识别和模式的概念
1．2 模式识别系统
1．3 关于模式识别的一些基本问题
1．4 关于本书的内容安排
第2章 贝叶斯决策理论
2．1 引言
2．2 几种常用的决策规则
2．2．1 基于最小错误率的贝叶斯决策
2．2．2 基于最小风险的贝叶斯决策
2．2．3 在限定一类错误率条件下使另一类错误率为最小的两类别决策
2．2．4 最小最大决策
2．2．5 序贯分类方法
2．2．6分类器设计
2．3 正态分布时的统计决策
2．3．1 正态分布概率密度函数的定义及性质
2．3．2 多元正态概率型下的最小错误率贝叶斯判别函数和决策面
2．4 关于分类器的错误率问题
前言
第二版前言
本书自1988年出版以来已经过去10多年了。在这期间，我们把它作为高年级学生和研究生学习模式识别课程的教材取得了不少的教学经验，也发现了原书中的个别错误以及叙述不清楚的地方。特别是自本书出版以来，模式识别学科还在不断地发展，人工神经网络和各种新的最优化技术在模式识别中的广泛应用，以及作为统计模式识别基础的统计学习理论的新进展，都使我们迫切感觉到要对本书进行大的修改和补充新的内容，以适应当前学科发展的需要。在清华大学出版社的大力支持下，我们成立了由边肇旗、阎平凡、赵南元、张学工和张长水等教授和副教授组成的改写小组，并由张学工副教授负责第二版的出版组织工作。其中，赵南元教授对原书绪论进行了改写，赵南元、阎平凡教授和张学工副教授参与了人工神经网络一章的编写，张学工副教授撰写了关于统计学习理论和模糊集方面的两章内容，张长水副教授撰写了有关遗传算法和模拟退火算法等方面的内容以及模式识别在人脸识别、说话人语音识别和字符识别中应用的举例。张学工副教授还对原书内容进行了仔细的审读，对其中的错误加以改正，对原书中叙述不适当的地方也进行了必要的修改，并增加了少量评述。
我们希望本书第二版的出版，不仅给学习统计模式识别课程的高年级学生和研究生提供一本内容比较全面的教材，而且也为广大从事模式识别实际应用的科学工作者和技术人员提供一本可读性较好的参考书。当然，由于模式识别涉及到很多学科领域，我们的实践经验和理论水平都有其局限性，本书还会存在不少不足的地方，敬请读者在阅读本书时，能不断地给我们提出宝贵的建议和对有错误的地方进行指正，以在今后再版时加以改进。
本教材的编写得到了国家自然科学基金的资助(项目编号69885004)。
边肇祺
l999年9月于清华园
第一版前言
这本教材是清华大学自动化系信息处理和模式识别教研组在近几年给大学生和研究生讲授“模式识别”课程的基础上，参考了国外同类教材及有关文献编写而成，重点讨论统计识别方法。为了使读者能够对模式识别的应用有一定的了解，本书最后两章讨论了模式识别在一级数字波形和二维数字图像中的应用。这一部分内容在很大程度上涉及到数字信号处理和数字图像处理中的一些方法，因此只是为了给有兴趣的读者作参考，讲授时完全可以略去而不影响对全书的理解。
本书是在常退教授的热情支持和帮助下写成的，参加编写的有边肇棋、阎平凡、杨存荣、高林、刘松盛和汤之永等同志。边肇棋、阎平凡和杨存荣对全书原稿进行了大量修改和校正。
我们在编写过程中反复进行讨论，力求把这本教材写好，但仍会有错漏之处。希望读者能及时把发现的问题告诉我们，并希望为今后进一步提高本书的质量提出宝贵意见。
本书自1988年出版以来已经过去10多年了。在这期间，我们把它作为高年级学生和研究生学习模式识别课程的教材取得了不少的教学经验，也发现了原书中的个别错误以及叙述不清楚的地方。特别是自本书出版以来，模式识别学科还在不断地发展，人工神经网络和各种新的最优化技术在模式识别中的广泛应用，以及作为统计模式识别基础的统计学习理论的新进展，都使我们迫切感觉到要对本书进行大的修改和补充新的内容，以适应当前学科发展的需要。在清华大学出版社的大力支持下，我们成立了由边肇旗、阎平凡、赵南元、张学工和张长水等教授和副教授组成的改写小组，并由张学工副教授负责第二版的出版组织工作。其中，赵南元教授对原书绪论进行了改写，赵南元、阎平凡教授和张学工副教授参与了人工神经网络一章的编写，张学工副教授撰写了关于统计学习理论和模糊集方面的两章内容，张长水副教授撰写了有关遗传算法和模拟退火算法等方面的内容以及模式识别在人脸识别、说话人语音识别和字符识别中应用的举例。张学工副教授还对原书内容进行了仔细的审读，对其中的错误加以改正，对原书中叙述不适当的地方也进行了必要的修改，并增加了少量评述。
我们希望本书第二版的出版，不仅给学习统计模式识别课程的高年级学生和研究生提供一本内容比较全面的教材，而且也为广大从事模式识别实际应用的科学工作者和技术人员提供一本可读性较好的参考书。当然，由于模式识别涉及到很多学科领域，我们的实践经验和理论水平都有其局限性，本书还会存在不少不足的地方，敬请读者在阅读本书时，能不断地给我们提出宝贵的建议和对有错误的地方进行指正，以在今后再版时加以改进。
本教材的编写得到了国家自然科学基金的资助(项目编号69885004)。
边肇祺
l999年9月于清华园
第一版前言
这本教材是清华大学自动化系信息处理和模式识别教研组在近几年给大学生和研究生讲授“模式识别”课程的基础上，参考了国外同类教材及有关文献编写而成，重点讨论统计识别方法。为了使读者能够对模式识别的应用有一定的了解，本书最后两章讨论了模式识别在一级数字波形和二维数字图像中的应用。这一部分内容在很大程度上涉及到数字信号处理和数字图像处理中的一些方法，因此只是为了给有兴趣的读者作参考，讲授时完全可以略去而不影响对全书的理解。
本书是在常退教授的热情支持和帮助下写成的，参加编写的有边肇棋、阎平凡、杨存荣、高林、刘松盛和汤之永等同志。边肇棋、阎平凡和杨存荣对全书原稿进行了大量修改和校正。
我们在编写过程中反复进行讨论，力求把这本教材写好，但仍会有错漏之处。希望读者能及时把发现的问题告诉我们，并希望为今后进一步提高本书的质量提出宝贵意见。
