华中科技大学2005年博士研究生入学考试——模式识别原理 2'@0|k,yC
TkQ05'Qc
第一章 模式识别的基本问题 x3M`l|
j4NS5
1.1 什么是模式识别 1[}VyP6 e
?^@;8m
1.2 模式识别的基本概念 %OzxR9
7tt&/k?
Q
1.3 模式识别的系统组成 8`*`4m
12rr:(#%s
1.4 模式识别方法分类 8ztY_"]3p
mirMDJsl%
第二章 Bayes决策理论 WS,p}:yPZG
X#Hs{J~@p
2.1 二类问题的最小错误决策 5SK.R;mn
jNB-FVaT
2.2 二类问题的最小风险决策 ,':?3| $c
pG|DT ?
2.3 Neyman-Pearson决策 r?[Zf2&
~>qcV=F^d,
2.4 最小最大决策 Ejn19{
TT29LC@
2.5 多类问题的决策 %7hYl'83
=NlAGzv!w
第三章 正态分布的判别函数 3lLO
.
/oh[Nu1D
3.1 N维正态分布 RX#:27:
$e0sa=/
3.2 正态分布的判别函数 V}Oxz
04
zvSfW#
*
3.3 讨论 t*n!kXa
J
/
4kS<c
第四章 线性判别函数 Y2Y/laD
W${0#qq
4.1 线性判别函数及广义线性判别函数 [{'` |
d+z8^$z"
4.2 线性分类器设计 a^|mF#
z
,@(lYeD"
4.3 梯度法与牛顿法 j].XVn,
F DXAe-|Q
4.4 最小平方误差准则函数与H-K算法 JrS|Ib)6
~#OnA1)
4.5 Fisher线性判别函数 ".~,(*
%nT!u!#
4.6 广义线性判别函数 G4]T
arRbq!mO
第五章 K-近邻法 #sN]6
=5',obYN>c
5.1 密度估计 HZ )z^K?1
`l'z#\
5.2 后验概率估计 1H{JT
op
9J$N5
5.3 最近邻法则与K-近邻法则 ^#KkO3
5$d>:" >
5.4 加权K-近邻法则 2V:`':
f;x0Ho5C2
第六章 聚类分析 YZMSiDv[e
<Y:{>=
6.1 类似性度量 gE\&[;)DB
of659~EIW
6.2 准则函数 9sJ=Nldq
UQc!"D
6.3 聚类算法 L7;8:^ v
k<Qhw)M8
第七章 特征提取与选择 t-B5,,`
;x%"o[[>
7.1 图像的特征提取 z?dd5.k
FkE)~g
7.2 特征选择 :e1kpQ
K*I!:1;3N
参考书目:1. 李金宗. 《模式识别导论》. 高等教育出版社. 1994. Kv0V`}<Yc
h?[|1.lJx(
2. 边肇祺等编著. 《模式识别》. 清华大学出版社. 2000. Rjp7H
3 {$vN).
2004.7.7