华中科技大学2005年博士研究生入学考试——模式识别原理 Kf76./
&0K;Vr~D
第一章 模式识别的基本问题 _b<Fz`V
=
1.1 什么是模式识别 _U1~^ucV
nZfTK>)A0
1.2 模式识别的基本概念 IPbdX@FeV
,ZJI]Q=!
1.3 模式识别的系统组成 brb8C%j}9
::uD%a zd
1.4 模式识别方法分类 9xB^dKM3
r62x*?/
第二章 Bayes决策理论 W:aAe%S
ZFOYYht
2.1 二类问题的最小错误决策 z tHGY
^LfCLI9Z
2.2 二类问题的最小风险决策 G-G!c2o
7,!Mmu
2.3 Neyman-Pearson决策 {DI_i +2
ndOPD]A'
2.4 最小最大决策 D=mU!rjr1
+%>s\W+?]
2.5 多类问题的决策 Sr)/
Mf
.lb2`!'r&
第三章 正态分布的判别函数 z<+".sD'
a)(j68c
3.1 N维正态分布 %+w>`k3(N
O*z x{a6
3.2 正态分布的判别函数 gu/eC
5dMIv<#T`
3.3 讨论 DHbLS3-
+IuV8XT2(
第四章 线性判别函数 KA`1IW;
UX41/# 4
4.1 线性判别函数及广义线性判别函数 2
L%d,Ta>
`kwyF27v]
4.2 线性分类器设计 +LQ
2To
~r]ZD)
4.3 梯度法与牛顿法 zf$OC}|\w
DA]!ndJD
4.4 最小平方误差准则函数与H-K算法 +=$\7z> s
mZ/?uPIa
4.5 Fisher线性判别函数 s$C;31k
0+/L?J3
4.6 广义线性判别函数 8!3+Obj
"3Dvc7V
第五章 K-近邻法 KFA
B
^M,t`r{
5.1 密度估计 (^qcX;-
,$}P<WZMu
5.2 后验概率估计 2a5yJeaIv*
n-Dr/c4
5.3 最近邻法则与K-近邻法则 6:v8J1G(<
To}L%)
5.4 加权K-近邻法则 \Y>^L{
2}[rc%tV:?
第六章 聚类分析 ; y=w :r\A
'(+l77G
6.1 类似性度量 mrFMdpaHl%
,{J2i#g<
6.2 准则函数 2J 9eeN
RZOk.~[v
6.3 聚类算法 '!yyg#
-<ZzYQk^h
第七章 特征提取与选择 dam.D.o"
DMfC(w.d
7.1 图像的特征提取 js;IUSj.
`'0opoQRe
7.2 特征选择 xS,):R
ZJy
D/9y
参考书目:1. 李金宗. 《模式识别导论》. 高等教育出版社. 1994. 5:iril
*$`r)pV%AK
2. 边肇祺等编著. 《模式识别》. 清华大学出版社. 2000. }!n<L:njX
? 1Z\=s
2004.7.7