华中科技大学2005年博士研究生入学考试——模式识别原理 1\rz%E
DXK}-4"\
第一章 模式识别的基本问题 }:*]aL<7_
}sO&. ME
1.1 什么是模式识别 [o5Hl^
m&?r%x
1.2 模式识别的基本概念 ;H.^i|_/
&&RimoIeo
1.3 模式识别的系统组成 }HePZ{PLM
KX7>^Bt&k
1.4 模式识别方法分类 ;<2G
U,- 39mr
第二章 Bayes决策理论 Ev(>z-{F
Gvqxi|
2.1 二类问题的最小错误决策 P{+T<bk|
\:ak ''
2.2 二类问题的最小风险决策 dg"3rs /?A
X;c'[q
2.3 Neyman-Pearson决策 s '\Uap
J@Q7p}
2.4 最小最大决策 .:QLk&a,:,
H_X [t* 2
2.5 多类问题的决策 %k?U9pj^
2M'[,Xe
第三章 正态分布的判别函数 qC:raH_:
\\dMy9M-
3.1 N维正态分布 g($DdKc|g
W_8wed:b
3.2 正态分布的判别函数 jesGV<`?l
m6CI{Sa](l
3.3 讨论 <\ :Yk
(l-ab2'
第四章 线性判别函数 ;J2z p*|
v,{yU\)
4.1 线性判别函数及广义线性判别函数 nV:LqF=
/%TI??PGu
4.2 线性分类器设计 q~ZNd3O
R$TB1w9]
4.3 梯度法与牛顿法 71gT.E
t@N=
kV
4.4 最小平方误差准则函数与H-K算法 \$e)*9)
E5xzy/ZQ
4.5 Fisher线性判别函数 &6YIn|}
u!X|A`o5i
4.6 广义线性判别函数 NzSoqh{R
lWc:$qnR-K
第五章 K-近邻法 L3 --r
aV?@s4
5.1 密度估计 ,J>5:ht(6
Q/_f
zg
5.2 后验概率估计 x+x40!+\
5b[jRj6
5.3 最近邻法则与K-近邻法则 O8u j`G 9
,:H\E|XeBw
5.4 加权K-近邻法则 _m'Fr
7
.5,(_
p^
第六章 聚类分析 6qaQ[XTxf
h`k"A7M
6.1 类似性度量 5sJJGv#6
Nkl_Ho,
6.2 准则函数 W"'iIh)z
`
.CU5}Tv-
6.3 聚类算法 qX
wl$h4 {L7
第七章 特征提取与选择 0[*qY@m:Z
^(h+URFpA
7.1 图像的特征提取 %r6y
;vAf
"7V2lu
7.2 特征选择
1/-43B
#w-xBM
@
参考书目:1. 李金宗. 《模式识别导论》. 高等教育出版社. 1994. lh D,\3/O
e9[|!/./5
2. 边肇祺等编著. 《模式识别》. 清华大学出版社. 2000. AN
SFdc
:WL'cJ9a
2004.7.7