本书是《模式识别及Matlab实现》主教材的配套实验与指导，根据主教材各章内容，相应给出了实验的具体步骤和程序代码，包括：贝叶斯决策，概率密度函数的参数估计，非参数判别分类方法，聚类分析，特征提取与选择，模糊模式识别，神经网络在模式识别中的应用，模式识别的工程应用等。
本书是武汉理工大学杨杰和郭志强编写的教材《模式识别及MATLAB 实现》的学习和实验指导用书，可与教材配套使用，也可单独作为高等学校模式识别课程的教学与学习参考书，还可作为模式识别领域专业技术人员的参考资料。
模式识别是一门理论和工程应用都发展十分迅速的学科，尤其随着大数据的出现和互联网 的兴起，模式识别已伴随着人工智能技术渗透到人们生活的方方面面。模式识别作为信息类专业硕士研究生的学位课，主要介绍模式识别的基础知识和基本理论，为进一步研究模式识别理论和技术打下良好的基础。同时，模式识别也是一门实践性很强的学科，通过一定量的实验训练，有助于学习者加深理解和巩固所学的基本理论知识，也有助于提高其解决实际工程问题的能力。
全书分为7 章，每章都按本章知识结构、知识要点和实验指导三部分编写。具体内容包括贝叶斯决策、参数估计、非参数判别分类法、聚类分析法、特征选择与提取、模糊模式识别、数字图像处理的基础等，每章实验均给出了实验步骤、MATLAB 代码和实验结果。实验的内容和训练对模式识别学习者有很大帮助，也为从事模式识别的工程技术人员提供了一定的指导。
本书第1～4 章由郭志强编写，第5～7 章由杨杰编写，编者指导的研究生王贺、吴紫薇、林仲康和李博闻等参加了程序调试、插图和校对工作。在编写本书过程中，参阅了大量模式识别参考书，这里谨向有关作者表示衷心感谢。
由于作者水平有限，书中难免存在疏漏和不当之处，恳请读者批评指正。
作者主要承担数字图像处理，模式识别，信息传输理论等课程的教学工作。近几年先后承担了国家自然科学基金面上项目，湖北省科技攻关项目，海南科技厅项目，武汉市科技攻关项目，国家留学基金项目，交通部重点项目和企业合作项目30余项；在国内外学术刊物上发表学术论文60余篇，被SCI和EI收录论文40余篇，出版教材3部。
获武汉理工大学优秀硕士学位论文奖，优秀博士论文奖。
第 1 章贝叶斯决策
1
1.1 知识要点 1
1.2 实验指导 7
1.2.1 基于最小错误率的贝叶斯决策 7
1.2.2 最小风险判决规则 12
1.2.3 最大似然比判决规则 16
1.2.4 Neyman-Pearsen 判决 21
第2 章参数估计 25
2.1 知识要点 25
2.2 实验指导 30
2.2.1 最大似然估计 30
2.2.2 贝叶斯估计 33
2.2.3 Parzen 窗 36
2.2.4 N k 近邻估计法 38
第3 章非参数判别分类法 41
3.1 知识要点 41
3.2 实验指导 44
3.2.1 两分法 44
3.2.2 两分法的设计 47
3.2.3 没有不确定区域的两分法 52
3.2.4 广义线性判别函数的设计与实现 56
3.2.5 感知器算法的设计/实现 58
3.2.6 两类问题Fisher 准则 62
3.2.7 基于距离的分段线性判别函数 68
3.2.8 支持向量机 74
第4 章聚类分析法 80
4.1 知识要点 81
4.2 实验指导 84
4.2.1 距离测度 84
4.2.2 相似测度算法 90
4.2.3 基于匹配测度算法的实现 98
4.2.4 基于类间距离测度方法 103
4.2.5 聚类函数准则 106
4.2.6 基于最近邻规则的聚类算法 108
4.2.7 基于最大最小距离聚类算法的实现 113
4.2.8 基于K-均值聚类算法实验 116
第5 章特征提取与选择 124
5.1 知识要点 124
5.2 实验指导 128
5.2.1 基于距离的可分性判据 128
5.2.2 图像的傅里叶变换二（旋转性质） 130
5.2.3 基于熵函数的可分性判据 134
5.2.4 利用类均值向量提取特征 136
5.2.5 基于类平均向量中判别信息的最优压缩的实现 141
5.2.6 增添特征法
……
书单推荐
