本书的主要特点： 的特征生成技术，包括基于小波。小波包，分形的特征，还阐述了独立分量分析。 新增了关子支持向量机，变形模板匹配的章节，以及关于约束优化的附录。 特征选择技术。 线性以及非线性分类器的设计，包括贝叶斯分类器、多层感知器，决策树和RBF网络。 独立于上下文的分类，包括动态规划和隐马尔科夫建模技术。 不仅介绍了聚类算法的发展，而且还介绍了一些经典方法，诸如模糊。基因、退火等算法技术。 各种应用，包括图像分析。字符识别，医学诊断。语音识别以及信道均衡。
模式识别在所有的自动化，信息处理和检索应用中都至关重要。本书由该领域内的两位专家合著而成，从工 程角度，阐述了模式识别的应用，涉及的主题从图像分析到语音识别与通信，书中涉及到了神经网络的前沿材料， 着重描述了包括独立分量和支持向量机在内的进展。本书是享誉世界的名著，经过十余年的发展，已成为此领域 的参考书，被世界众多高校选用为教材。除了适合教学外，也可供工程技术人员参考。
Sergios Theodoridis 是希腊雅典大学信息系教授。于1973年在雅典大学获得物理学学士学位，又分别子 1975年，1978年在英国伯明翰大学获得信号处理与通信硕士和博士学位。主要研究方向是自适应信号处理。通信与模 式识别。他是欧洲并行结构及语言协会(PARLE-95)的主席和欧
Preface
CHAPTER 1 INTRODUCTION
CHAPTER 2 CLASSIFIERS BASED ON BAYES DECISION THEORY
CHAPTER 3 LINEAR CLASSIFIERS
CHAPTER 4 NONLINEAR CLASSIFIERS
CHAPTER 5 FEATURE SELECTION
CHAPTER 6 FEATURE GENERATION:LINEAR TRANSFORMS
CHAPTER 7 FEATURE GENERATION II
CHAPTER 8 TEMPLATE MATCHING
CHAPTER 9 CONTEXT-DEPENDENT CLASSIFICATION
CHAPTER 10 SYSTEM FVALUATION
CHAPTER 11 CLUSTERING:BASIC CONCEPTS
CHAPTER 12 CLUSTERING ALGORITHMS I:SEQUXENTIAL ALGORITHMS
CHAPTER 13 CLUSTERING ALGORITHMS II:HIERARCHICAL ALGORITHMS
CHAPTER 14 CLUSTERING ALGORITHMS III:SCHEMES BASED ON FUNCTION OPTIMIZATION
CHAPTER 15 CLUSTERING ALGORITHMS IV
CHAPTER 16 CLUSTER VALIDITY
