华中科技大学2005年博士研究生入学考试——模式识别原理 g5YDRL!Wh
yMd<<:Ap
第一章 模式识别的基本问题 H;~Lv;,g,
&(Yv&jX
1.1 什么是模式识别 vGX}zzto
v>[U*E
1.2 模式识别的基本概念 wDv G5
NKSK+ll2
1.3 模式识别的系统组成 @mJ#~@*(
1Mtm?3Pt
1.4 模式识别方法分类 F?Fs x)2k
&>xd6-
第二章 Bayes决策理论 \Zgc
[F
}3TTtd7
2.1 二类问题的最小错误决策 Od,P,t9
,u<oAI`
2.2 二类问题的最小风险决策 Bw{enf$vR
=-m"y~{>3
2.3 Neyman-Pearson决策 )ZQ>h{}D
(>R
2.4 最小最大决策 uE]Z,`e
#GbfFoE
2.5 多类问题的决策 Gm.sl},
~x-v%x6
第三章 正态分布的判别函数 5{Oq* |
wxc24y
3.1 N维正态分布 }I3m8A
[X7KlS9x2
3.2 正态分布的判别函数 O,[9E
=A]*r9
3.3 讨论 \5pBK
6g
-Q
第四章 线性判别函数 @d1YN]ede
)#Le"&D
4.1 线性判别函数及广义线性判别函数 hqW),^\>'
W'Y?X]xr
4.2 线性分类器设计 8n"L4jb(:
[lz#+~rOS
4.3 梯度法与牛顿法 )jPIBzMys
hQ@E2 Xsv
4.4 最小平方误差准则函数与H-K算法 h3rVa6cxM
=fcM2O#$
4.5 Fisher线性判别函数 vs%d}]v
x+8%4]u`
4.6 广义线性判别函数 j_{f(.5
r]=Z :
第五章 K-近邻法 2Bz\Tsp
t\XA
JU
5.1 密度估计 H{4_,2h=m
=eyPo(B
5.2 后验概率估计 0t(2^*I?>
W
P9PX
5.3 最近邻法则与K-近邻法则 nt_FqUJ
Y3JIDT^
5.4 加权K-近邻法则 D4O^5?F)|
)W/_2Q.
第六章 聚类分析 rtdEIk
ENy$sS6[D
6.1 类似性度量 [4r<WvUaM
6F_:,b^
6.2 准则函数 &EhOSu
NpH9},1i
6.3 聚类算法 %)w7t[A2D
*RmD%[f
第七章 特征提取与选择 YQ>O6:%
#wZbG|%
7.1 图像的特征提取 Vy6~O|68=
T>|Y_3YO_a
7.2 特征选择 6a704l%#hb
\olY)b[
参考书目:1. 李金宗. 《模式识别导论》. 高等教育出版社. 1994. 3X#Cep20a
n-{.7
2. 边肇祺等编著. 《模式识别》. 清华大学出版社. 2000. u%5 ,U-
7NkMr8[}F
2004.7.7