华中科技大学2005年博士研究生入学考试——模式识别原理 fZoQQ[s
Zv2]X-
第一章 模式识别的基本问题 ;l^'g}dQ^
T% GR{mp
1.1 什么是模式识别 yuC|_nL
@Ko#nDEq
1.2 模式识别的基本概念 =d+`xN*
MV w.Fl
1.3 模式识别的系统组成 X"vDFE`?
/;vHAtt;f
1.4 模式识别方法分类 .K1wp G[4
r9*6=*J|
第二章 Bayes决策理论 J\>/J%
}u8g7Nj
2.1 二类问题的最小错误决策 5(G Vwv
D^a(|L3;
2.2 二类问题的最小风险决策 c[T@lz(!
nN^lY=3
2.3 Neyman-Pearson决策 4;@L#Pzt
|tU wlc>
2.4 最小最大决策 xB]^^NYE=
CMyz!jZ3
2.5 多类问题的决策 )TyP{X>
+~*e B
第三章 正态分布的判别函数 3[m2F O,Z
ggrkj0
3.1 N维正态分布 7G7"Zule*j
j/F
('r~L
3.2 正态分布的判别函数 ur7S
K(#
@6%7X7m
3.3 讨论 F@#p
jW4>WDN:
第四章 线性判别函数 $pt~?ZZ3-
o9yUJ@
:i
4.1 线性判别函数及广义线性判别函数 yqtaQ0F~
AX'-}5T=
4.2 线性分类器设计 i) Q
d>(v
+JM@ kdE5b
4.3 梯度法与牛顿法 1~},}S]id
Ct zWdo.
4.4 最小平方误差准则函数与H-K算法 A0,e3gb
.TDg`O24c,
4.5 Fisher线性判别函数 f"NWv!
B2KBJ4rI[1
4.6 广义线性判别函数 @?;)x&<8?3
ZR"qr
CSw`
第五章 K-近邻法 V]"pM]>3X
QC&,C}t,
5.1 密度估计 tfh`gUV4
(ip3{d{CT]
5.2 后验概率估计 c,M"a
\hb$v
5.3 最近邻法则与K-近邻法则 Kb-m
<b\8<mTr
5.4 加权K-近邻法则 1mR@Bh
fY #Y n
第六章 聚类分析 8Bh
micU
l<ZHS'-;8
6.1 类似性度量 =UWW(^M#[:
Nez '1
6.2 准则函数 tw.z5
86dz Jh
6.3 聚类算法 $2blF)uYE
rSm#/)4A
第七章 特征提取与选择 B<$6Dj%L
q|IU+r:! 3
7.1 图像的特征提取 twK 3
'YYT1H)
7.2 特征选择 8]O#L}"
1=!2|D:C)i
参考书目:1. 李金宗. 《模式识别导论》. 高等教育出版社. 1994. * kUb[
TV0Y{x*~iH
2. 边肇祺等编著. 《模式识别》. 清华大学出版社. 2000. 0;*[}M]Z
9 }42s +
2004.7.7