华中科技大学2005年博士研究生入学考试——模式识别原理 gn4+$ f~w
V $Y=JK@
第一章 模式识别的基本问题 }M*yE]LL;Z
jJc:%h$|2
1.1 什么是模式识别 Jvac|rN
f2ea|l
1.2 模式识别的基本概念 OpWTw&B"+
_[IOPHa"
1.3 模式识别的系统组成 ))ArM-02
H;D5)eJ90
1.4 模式识别方法分类 hc#Sy:T>
Q &~|P}
第二章 Bayes决策理论 |0^~S
' ?tx?t
2.1 二类问题的最小错误决策 EnW}>XN
'/O >#1
2.2 二类问题的最小风险决策 Tew?e&eO
WtS5i7:<Y
2.3 Neyman-Pearson决策 :}0>IPW-V
b;xn0sDn#
2.4 最小最大决策 d
BRK6hFC
^L4"X~eM
2.5 多类问题的决策 l
f2Q
fmgXh)=
第三章 正态分布的判别函数 @y1:=["b
]Y;5U
3.1 N维正态分布 2pQ29
" i!Xiy~
3.2 正态分布的判别函数 'Bx"i
,azBk`$iQr
3.3 讨论 {J~VB~('
&9OnN<mT1
第四章 线性判别函数 ;M<R
e
qw<~v?{|C
4.1 线性判别函数及广义线性判别函数 ,z5B"o{Et
sI<PYi={-6
4.2 线性分类器设计 XMlcY;W
?v,4seRuz
4.3 梯度法与牛顿法 ]j: aO
+'V ,z
4.4 最小平方误差准则函数与H-K算法 0#:St
v43FU3
4.5 Fisher线性判别函数 UFPSQ
$s<bKju
4.6 广义线性判别函数 jM[]Uh
!n3J6%b9y/
第五章 K-近邻法 d)1Pl3+
dQ-:]T (
5.1 密度估计 |5g1D^b]s^
<G60R^o
5.2 后验概率估计 -F&*>?I
chszP{-@X
5.3 最近邻法则与K-近邻法则 I?X!v6
T{4Ru6[
5.4 加权K-近邻法则 {w52]5l
q~6((pWi|
第六章 聚类分析 `KHP?lX
((
{4)5}
6.1 类似性度量 ;t5e]
Uu(FFd~3
6.2 准则函数 (0!U,8zz
&pN/+,0E
6.3 聚类算法 2[~|6@n
]:
n! \G
第七章 特征提取与选择 "!z9UiA
]vUTb9>{?
7.1 图像的特征提取 $zD}hO9
lQl
7.2 特征选择 B`/p[ U5
BiI`oCX
参考书目:1. 李金宗. 《模式识别导论》. 高等教育出版社. 1994. c~v(bK
.TKKjS%8
2. 边肇祺等编著. 《模式识别》. 清华大学出版社. 2000. 3ox
0-+_
FWl'='5L
2004.7.7