华中科技大学2005年博士研究生入学考试——模式识别原理 `A'I/Hf5
CS5jJi"pD3
第一章 模式识别的基本问题 n,jE#Z.D
d]ZC8<`w
1.1 什么是模式识别 ZqbM%(=z(`
xrVZxK:!
1.2 模式识别的基本概念 }gi1?a5
9
R%N#G<^R
1.3 模式识别的系统组成 Ot$cmBhw!
df4^C->:
1.4 模式识别方法分类 A,lw-(.z4Z
B#GZmv1
第二章 Bayes决策理论 Wqs.oh
av;
(b3Lq
2.1 二类问题的最小错误决策 H]i+o6
s/G5wRl<
2.2 二类问题的最小风险决策 h`EH~ W0:z
eW"x%|/Q7
2.3 Neyman-Pearson决策 ;%rs{XO9
KSgQ:_u4}
2.4 最小最大决策 N}+B:l]Qy
;H
y!0n
2.5 多类问题的决策 GwMUIevO_
nXM9Px!
第三章 正态分布的判别函数 ^i`3cCFB<
{m+S{dWp
3.1 N维正态分布 tv@Z5
f#;ubfi"z
3.2 正态分布的判别函数 GFQG(7G9
u,Q_WR-wJ
3.3 讨论 ]} 5I>l
V(lK`dY
第四章 线性判别函数 HC9vc,Fp
'
FPcAW^8
4.1 线性判别函数及广义线性判别函数 FhY{;-W(T
|z!q
r}i
4.2 线性分类器设计 Q>}eIQ Y
YZ"+c&V"
4.3 梯度法与牛顿法 ny!lja5[
O:`GL1{ve?
4.4 最小平方误差准则函数与H-K算法 K)Df}fVOc
vI
pO/m.3
4.5 Fisher线性判别函数 <O,'5+zG%
"xe7Dl
4.6 广义线性判别函数 }|Hw0z P.
]Wy^VcqX
第五章 K-近邻法 (ZE%tbm2
sowbg<D
5.1 密度估计 -vv
=,&u_>Dp
5.2 后验概率估计 NDB*BmG
_/8_,9H
5.3 最近邻法则与K-近邻法则 +l2e[P+q
A
g>6:CG"
5.4 加权K-近邻法则 L]c 8d
a6;gBoV
第六章 聚类分析 )HJK '@
^z[_U}N\}
6.1 类似性度量
P\D[n-&
?~F]@2)5w
6.2 准则函数 7ZF}0K$^B
G[|3^O>P
6.3 聚类算法 /'-:=0a
K&j'c
第七章 特征提取与选择 i0ILb/LS
^OHZ767v
7.1 图像的特征提取 Ro$j1A
w(
Rb
{+Ki
7.2 特征选择 }=Hf?';m
~wfoK7T}
参考书目:1. 李金宗. 《模式识别导论》. 高等教育出版社. 1994. ]MC/t5vC u
DY$yiOH9
2. 边肇祺等编著. 《模式识别》. 清华大学出版社. 2000. b OW}"
jIKBgsiF/
2004.7.7