华中科技大学2005年博士研究生入学考试——模式识别原理 erhez
.C` YO2,
第一章 模式识别的基本问题 ?a-5^{{
oFGWI#]ts>
1.1 什么是模式识别 iK=QP+^VN
Z~].v._YV)
1.2 模式识别的基本概念 XZ@|(_Z
X'U~g$"(+
1.3 模式识别的系统组成 S=j
pn
_+X-D9j(l
1.4 模式识别方法分类 j^%N:BQ&
BOWBD@y
第二章 Bayes决策理论 bjo}95
[8~P
Pc^
2.1 二类问题的最小错误决策 #qFY`fVf1
:a^/&LbLm
2.2 二类问题的最小风险决策 {PR "}x
U(LLIyZv
2.3 Neyman-Pearson决策 :yRv:`r3Lt
[2Zl
'+
2.4 最小最大决策 w {"1V7|
&36SX<vZ
2.5 多类问题的决策 5 5m\,UG7
gJCZ9{Nl
第三章 正态分布的判别函数 xW]65iav
XT4Gz|k
3.1 N维正态分布 ,ryL("G
u`&lTJgF/O
3.2 正态分布的判别函数 *\(z
"B
aZ+><1TD
3.3 讨论 b+|3nc!
r fzNw
第四章 线性判别函数 7}g4ePYag
1`YU9?
4.1 线性判别函数及广义线性判别函数 Xjkg7p,HD@
OZ+v ~'oD
4.2 线性分类器设计 AYgXqmH~+
Dnl<w<}ZU:
4.3 梯度法与牛顿法 jj1\oyQ8
OQ7 `n<I<)
4.4 最小平方误差准则函数与H-K算法 >mai
v;
i'7+
?YL
4.5 Fisher线性判别函数 kQ lU.J>^
,/D}a3JD
4.6 广义线性判别函数 @phVfP"M
qh:Bc$S
第五章 K-近邻法 XzHR^^;u"*
IQRuqp KL
5.1 密度估计 dF\#:[B
8HQ.MXKP
5.2 后验概率估计 EU %,tp
nUOi~cs
5.3 最近邻法则与K-近邻法则 {d'-1z"q
jYFJk&c
5.4 加权K-近邻法则 a:fP
&ASR2J
第六章 聚类分析 ch8a
s*ZE`/SM3
6.1 类似性度量 ('tXv"fT
|QDoi[
*
6.2 准则函数 (-21h0N[V
sD:o
2(G*
6.3 聚类算法 6OAs%QZ
WVdV:vJ-
第七章 特征提取与选择 P.'.KZJ:WD
h0'*)`;z
7.1 图像的特征提取 QQM:[1;RT
L"qJZU
7.2 特征选择 "bm|p/A
@-
STo/
参考书目:1. 李金宗. 《模式识别导论》. 高等教育出版社. 1994. s-$Wc)l
nm-
2. 边肇祺等编著. 《模式识别》. 清华大学出版社. 2000. \c<
oVF'
m,k0 h%
2004.7.7