模式识别是人工智能的重要分支，其理论建立在矩阵论、概率论与数理统计等基础知识之上,其技术在人机交互、自动驾驶、工业制造、医学工程,以及基因技术等方面都发挥着重要作用,具有典型的理论性与实践性紧密结合的特点。本书涵盖统计决策论、线性分类器、概率密度函数估计等基础知识点,注重公式推导,同时将经典算法与前沿技术应用结合起来进行介绍。全书内容共分为13章:绪论、模板匹配、基于统计决策的概率分类方法、线性判别函数、非线性鉴别函数、特征选择与特征提取、统计学习理论及SVM、聚类分析、模糊模式识别法、句法模式识别、人工神经网络、深度学习,以及深度学习在生物特征识别领域的应用。
本书内容系统、案例丰富、阐述翔实,适合作为高等院校自动化类、计算机类、人工智能类等专业本科生、研究生的教材和教学参考书,也可作为高等院校各专业通识教育的教学用书。同时,本书还可供相关领域的科研人员、工程技术人员和管理人员参考阅读。
