华中科技大学2005年博士研究生入学考试——模式识别原理 Iv
#OM'2@
第一章 模式识别的基本问题 $<)]~**K
s&V
sK#
1.1 什么是模式识别 IowXVdm@6
;[
Dxk$"
1.2 模式识别的基本概念 F%p DF\
y(g]:#
1.3 模式识别的系统组成 &':C"_|&r
iupkb
1.4 模式识别方法分类 )N- '~<N
|0}Xb|+
第二章 Bayes决策理论 XTX/vbge3m
=C,DR4xh
2.1 二类问题的最小错误决策 ,h1\PT9ULY
zOSUYn
2.2 二类问题的最小风险决策
!\{2s!l~
Hl%Og$q3
2.3 Neyman-Pearson决策 R2~y<^.V`Y
oh$"?N7n1
2.4 最小最大决策 KxKZC}4m
25`W"x_
2.5 多类问题的决策 FEu}zt@
7Dssr [
第三章 正态分布的判别函数 rG~W=!bj
6P>Y2xV:
3.1 N维正态分布 U3B&3K} ~
4.,|vtp
3.2 正态分布的判别函数 qk'&:A
~28{BY
3.3 讨论 SbX^DAlB1
bQI :N
第四章 线性判别函数 AaB1H7r-
. mO8~Z
4.1 线性判别函数及广义线性判别函数 S6bYd`
y~]D402Cx
4.2 线性分类器设计 "wV
Q`J U[nY
4.3 梯度法与牛顿法
{}'Jr1
:tFcPc'
4.4 最小平方误差准则函数与H-K算法 K'8?%&IQ
:n~Mg
{j3
4.5 Fisher线性判别函数 YG*<jKcX
wsrdBxd5
4.6 广义线性判别函数 ;9)nG,P3
?$A)lWk(
第五章 K-近邻法 C<:wSS^@1
`xv Uq\
5.1 密度估计 )2W7>PY
W=S^t_F
5.2 后验概率估计 S]fkA6v
Y=sv
5.3 最近邻法则与K-近邻法则 SLkg
Ib~'X
4$2HO`@uN
5.4 加权K-近邻法则 mg70%=qM0f
rFC9y o
第六章 聚类分析 dwvc;f-
m>[G-~0?kI
6.1 类似性度量 g] IPNW^n
Wkb>JnPo
6.2 准则函数 rjfWty%6pX
Xsb.xxK.
6.3 聚类算法 2"
v{
60|m3|
0o
第七章 特征提取与选择 _ !"[Zr
t]3:vp5N]
7.1 图像的特征提取 9ygNJX'~
%dmQmO,
7.2 特征选择 Bz,Xg-k+
)WEOqaR]
参考书目:1. 李金宗. 《模式识别导论》. 高等教育出版社. 1994. -DZ5nx
8&x&Ou$("V
2. 边肇祺等编著. 《模式识别》. 清华大学出版社. 2000. HsG3s?*
|a0@4
:
2004.7.7