华中科技大学2005年博士研究生入学考试——模式识别原理 N"MK 0k
.|Y2'TWQ
第一章 模式识别的基本问题 Q!K@
!Cxo4Twg
1.1 什么是模式识别 LX),oR
bK;I:JK3
1.2 模式识别的基本概念 eq.K77El{J
N),bhYS]
1.3 模式识别的系统组成 S|!
)_RL
|_L\^T|6
1.4 模式识别方法分类 +7n;Bsk
_
4zuM?Dp
第二章 Bayes决策理论 lJ.:5$2H
<>/0;J1<
2.1 二类问题的最小错误决策 "jBrPCB
8
v}p'vh^8B
2.2 二类问题的最小风险决策 -1).'aJ^
']1\nJP[=X
2.3 Neyman-Pearson决策 q<(yNqMKP
=H&{*Ja
2.4 最小最大决策 QA?e2kd
5&a4c"fU
2.5 多类问题的决策 )RA$E`!b
~EJVlji
第三章 正态分布的判别函数 *,qW9z
c{4C4
'GD
3.1 N维正态分布 >zcR ?PPs
;=\vm"I?
3.2 正态分布的判别函数 !K a!f1
t.wB\Kmt\
3.3 讨论 ,)%al76E
F
FHk0!3
第四章 线性判别函数 h+EG)
<
5bU[uT,`6
4.1 线性判别函数及广义线性判别函数 Pd-0u>k
0<f\bY02
4.2 线性分类器设计 )IUeWR
RC(fhqV
4.3 梯度法与牛顿法 !DsKa6Zj
xb/L AlJ
4.4 最小平方误差准则函数与H-K算法 s}Y_og_c
hE.N
W
4.5 Fisher线性判别函数 lGHU{7j\
Fy1@B(V%
4.6 广义线性判别函数 bvdAOvxChW
Hkq""'Mx+w
第五章 K-近邻法 Qw>ftle
GFM$1}
5.1 密度估计 J9s4lsea
L~F"
5.2 后验概率估计 JMp>)*YS
ho*44=j
5.3 最近邻法则与K-近邻法则 e}|UVoeH
s7j#Yg
5.4 加权K-近邻法则 Rou$`<{H
8r"$o1!
第六章 聚类分析 jP*5(*[&y
1rs`|iX5
6.1 类似性度量 ?^TjG)e7
d=<"sHO
6.2 准则函数 J:s^F
n
tK9_]663
6.3 聚类算法 &?~OV:r9
xw?Mc{w
第七章 特征提取与选择 QwaCaYoh
,E&PIbDL1
7.1 图像的特征提取 N>,`l
y+3<
]
N
7.2 特征选择 }e}J6[wP
g3B
zi6$m
参考书目:1. 李金宗. 《模式识别导论》. 高等教育出版社. 1994. .xXe *dm%
R"Ol'y{
2. 边肇祺等编著. 《模式识别》. 清华大学出版社. 2000. XXbAn-J
:',.I
2004.7.7