华中科技大学2005年博士研究生入学考试——模式识别原理 NQdwj>_a
=M\yh,s!
第一章 模式识别的基本问题 Hg#tSE
e={O
&9Z
1.1 什么是模式识别 (m/:B=K
K9<8F
Sn
1.2 模式识别的基本概念 VUP|j/qD
Rk$7jZdTf
1.3 模式识别的系统组成 M
Kyj<@[
t[|oSF#i
1.4 模式识别方法分类 wT@Z|.)
3D|Lb]=
第二章 Bayes决策理论 RoqkT|#$
"*lx9bvV_
2.1 二类问题的最小错误决策 JsY,Q,D q
(Jq m9
2.2 二类问题的最小风险决策 i\xs!QU
?$pNd uE
2.3 Neyman-Pearson决策 w-
).HPe
m(f`=+lqI`
2.4 最小最大决策 gwaSgV$z
6~dAK3v5
2.5 多类问题的决策 z_c-1iXCW
ekx(i
QA
第三章 正态分布的判别函数 -jj
B2xP
5OdsT-y
3.1 N维正态分布 _a&gbS
Qv
|q4=*X q
3.2 正态分布的判别函数 ,ei9 ?9J1
4K cEJlK5
3.3 讨论 w
w|fqx?
N[@
~q~v
第四章 线性判别函数 3Ei^WDJ
\O*ZW7?TJ
4.1 线性判别函数及广义线性判别函数 uGAQt9$>_
tGOJ4 =
4.2 线性分类器设计 % )V=)l.j
O+!4KNN.-
4.3 梯度法与牛顿法 9DBX.|
33%hZ`/>
4.4 最小平方误差准则函数与H-K算法 :r{-:
&pK0>2
4.5 Fisher线性判别函数 g?v/u:v>W
+;+G+Tn
4.6 广义线性判别函数 $.C\H,H
QXj #Brp
第五章 K-近邻法 {"jtR<{)
IV~)BW leT
5.1 密度估计 f)vnm*&-
YUSrZ9Yg
5.2 后验概率估计 -sHX
b!t[PShw^
5.3 最近邻法则与K-近邻法则 P}'B~~9W
}#g]qK
5.4 加权K-近邻法则 L%[>z'Zp
'xd8rN%T
第六章 聚类分析 9qa/f[G
^vm6JWwN0B
6.1 类似性度量 v2gk1a&
+Zi+
/9Z(H
6.2 准则函数 [1GwcXr
@|h9jx|
6.3 聚类算法 N_Ezp68Fp
|FFz $'8)
第七章 特征提取与选择 1z|bQ,5
lpPPI+|4N
7.1 图像的特征提取 o]V.6Ge-
d@^%fVhG
7.2 特征选择 1tO96t^d%
34CcZEQQ
参考书目:1. 李金宗. 《模式识别导论》. 高等教育出版社. 1994. ic}TiTK
?zP
2
2. 边肇祺等编著. 《模式识别》. 清华大学出版社. 2000. |d~'X%b%
^6{op3R_
2004.7.7