內容簡介
本書廣泛吸取統計學、神經網絡、數據挖掘、機器學習、人工智能、群智能計算等學科的優選思想和理論，將其應用到模式識別領域中；以一種新的體繫，繫統、全面地介紹模式識別的理論、方法及應用。全書分為14章，內容包括：模式識別概述，特征的選擇與優化，模式相似性測度，基於概率統計的貝葉斯分類器設計，判別函數分類器設計，神經網絡分類器設計（BP神經網絡、徑向基函數神經網絡、自組織競爭神經網絡、概率神經網絡、對向傳播神經網絡、反饋型神經網絡），決策樹分類器設計，粗糙集分類器設計，聚類分析，模糊聚類分析，忌搜索算法聚類分析，遺傳算法聚類分析,蟻群算法聚類分析,粒子群算法聚類分析。
本書內容新穎，實用性強，理論與實際應用密切結合，以手寫數字識別為應用實例，介紹理論運用於實踐的實現步驟及相應的Matlab代碼，為廣大研究工作者和工程技術人員對相關理論的應用提供借鋻。
