《模式识别》共分为8章。第一章为绪论，主要介绍了模式识别的概念，系统组成及常用方法。第二章～第五章主要介绍了统计模式识别的方法，有特征聚类，贝叶斯分类，fish线性判别以及近邻法。第六章讲述了几种人工神经网络方法，第七章详细介绍了一个三维识别的案例。
《模式识别》打破了传统程序类书籍的编排方法，将编程思路和编程过程与所附代码有机结合在一起，分层次分模块地予以讲解。同时，以图解的方式讲解程序的运行过程和结果，并配有适当的文字说明，从而使读者迅速理解所讲述的内容。
模式识别是人类的一项基本智能，在社会活动和科学研究的许多方面有着巨大的现实意义，已经广泛应用于许多领域，例如：人脸识别、指纹识别、文字识别、语音识别、车牌识别、字符识别等。 模式识别是一门综合性、交叉性的学科，其与数学、认知科学、计算机科学、心理学、语言学、生物学等众多学科相互融会贯通。自80年代提出以来，始终受到国内外科研工作和各应用领域的追捧。近些年，随着计算机技术软硬件的快速发展以及其他相关学科的日臻成熟，模式识别在各个领域的应用和需求逐渐得到人们的广泛关注和重视。
在学术界也引起了各领域的科研人员的研究热情，其相关的论文著作、科研成果层出不穷。
目前，模式识别的教材多以理论介绍为主，让读者很难看到理论在实际中是如何应用的，所以读者很难深入掌握这些理论，在项目实践中，往往无从下手，更谈不上创新。
本书从人们日常生活和生产中有重要影响的项目入手，综合了作者多年从事模式识别领域的研究成果，介绍了实际应用项目和它的实现技术。每个项目实例包括项目意义和要求、并且详细阐述了项目开发技术原理和算法实现的步骤，并且提供了部分VC++或MATLAB编程代码。希望读者能够在此基础上有所创新。这也是撰写本书的主要目的以及希望本书能够实现的目标。
本书共分为7个章节，第1章对模式识别的基本概念、基本算法和所使用的软件进行了简要的介绍；第2章对特征聚类的基本过程以及每个过程中所涉及的基本算法进行了详细的介绍，通过实际例程加深读者对相关算法操作过程的记忆和理解；第3章对贝叶斯分类的基本原理进行了详细的介绍，并给出了基于贝叶斯的手写字符识别算法的具体步骤；第4章对Fisher线性判别的基本算法进行了详细的介绍；第5章对近邻法中最近邻法、K近邻法和剪辑近邻法的基本原理和实际例程进行了详细的介绍；第6章对人工神经网络的基本算法进行了详细的介绍，并给出了基于bp神经网络的变压器故障诊断案例；第7章介绍了三维识别等案例的开发技术。
宋丽梅，教学成果： 2012年获得香港桑麻奖教金。 科研成果： 2011年天津市科技进步三等奖（排名第一）； 2013年天津市科技进步三等奖（排名第一）； 天津市“131”二层次人才； 天津市高校“中青年骨干创新人才培养计划”。 主持完成的科研项目如下： 国家自然科学基金面上项目，61078041，基于视觉的织物疵点三维检测和三维识别原理研究，2011/01－2013/12，26万元，已结题，主持。 国家自然科学基金，60808020，单目高精度大型物体彩色三维数字化测量原理研究，2009/01－2011/12，20万元，已结题，主持，该项目获得2013年天津市科技进步三等奖，本人排名第一。 四川省杰出青年基金，07ZQ026-015，高精度便携式三维全局坐标测量系统，2007/01－2009/12，12万元，已结题，主持。 天津市中小企业创新基金，12ZXCXGX11800，基于BCCSL和SFMS的三维在线光学检测系统，2012/01-2013/03，15万元，已结题，主持。 天津市应用基础及前沿技术研究计划，10JCYBJC07200，双目SFS彩色三维织物疵点在线检测原理研究，2010/04－2013/03，10万元，已结题，主持。 国家中小企业创新基金，06C26215100466，SFS三维重建及微小间隙精确测量的工业CT软件系统，2006/01-2008/01，55万元，已结题，参与，该项目获得2008年绵阳市科技进步三等奖，本人排名第二。 国家中小企业创新基金，06C26225100462，基于单幅照片进行三维形貌恢复的软件系统， 2006/01-2008/01，20万元，已结题，参与。
、第1章 绪论
1.1模式识别基本概念
1.1.1模式和模式识别
1.1.2模式识别系统组成
1.2 特征描述
1.3 模式识别方法
1.3.1 统计法
1.3.2 聚类法
1.3.3 神经网络法
1.3.4 人工智能法
1.4模式识别工程设计
1.4.1 工程任务
1.4.2 训练集和测试集选择
1.4.3 模式识别软件
习题
第2章 特征聚类
2.1 聚类的概念
2.1.1特征聚类的基本思想
2.1.2聚类的算法
2.2 数据的降维（PCA）
2.2.1 PCA基本概念
2.2.2 PCA原理
2.2.3 PCA的一般步骤
2.2.4数据的降维实例
2.3 模式相似性测度
2.3.1距离测度
2.3.2相似测度
2.3.3匹配测度
2.4 K-均值聚类
2.4.1 K-均值聚类算法简介
2.4.2算法原理
2.4.3K均值算法的一般步骤
2.4.4 K-均值聚类实例
2.5本章小结
习题
第3章 贝叶斯分类
3.1 贝叶斯准则
3.1基于最小错误率的贝叶斯准则
3.2基于最小风险的贝叶斯准则
3.3最大最小决策规则
3.4纽曼—皮尔逊（Neyman—Pearson）决策规则
3.5 贝叶斯学习估计案例（手写字符）
习题
第4章Fisher线性判别
4.1 判别域界面方程分类的概念
4.2线性判别函数
4.2.1 两类问题
4.2.2 多类问题
4.3 判别函数数值的鉴别意义、权空间及解空间
4.3.1 判别函数值的大小、正负的数学意义
4.3.2 权空间、解矢量与解空间
4.4 Fisher线性判别
习题
第5章 近邻法
5.1 最近邻法
5.1.1最近邻决策规则
5.1.2最近邻法的错误率分析
5.2最近邻法程序举例
5.3 K近邻法
5.3.1 K近邻法原理及错误率分析
5.3.2 K近邻法程序举例
5.4剪辑近邻法
5.4.1剪辑近邻法
5.4.2剪辑k-NN近邻法
5.4.3剪辑近邻法的一般流程
5.5本章小结
习题
第6章 BP神经网络及案例
6.1 BP神经网络基本原理
6.2 网络各层节点数的确定
6.3 网络各层间激活函数的确定
6.4 LM算法
6.5基于BP神经网络的变压器故障诊断
6.5.1变压器常见故障类型
6.5.2 网络的训练与仿真
6.6本章小结
习题
第7章 模式识别案例分析
7.1电池表面划痕识别案例
7.1.1电池图像边缘提取
7.1.2基于有效边缘点和Hough变换的电池圆心提取方法
7.1.3 基于NMI特征和边缘特征电池图像配准算法
7.1.4 划痕提取方法
7.2人脸识别案例
7.2.1 ORL人脸数据库简介
7.2.2 基于PCA的人脸图像的特征提取
7.2.3 k-近邻算法
7.2.4 BP神经网络法
7.2.5基于BP神经网络法和k-近邻法的综合决策分类
7.2.6实验的结果
7.2.7简单实例
7.3 SIFT算法提取特征点及特征点的匹配
7.3.1高斯尺度空间的极值检测
7.3.2特征点位置的确定
7.3.3特征点方向的确定
7.3.4特征点描述子生成
7.3.5 SIFT特征向量的匹配
7.3.6实现运动姿态的解算
7.4气泡识别案例
7.4.1 两相流高速图像采集
7.4.2 两相流图像纹理特征的提取
7.4.3 纹理特征的Lempel-Ziv复杂度分析
7.4.4 基于SVM的气液两相流型识别
7.5三维识别案例
7.5.1 三维模型中特征点的定义
7.5.2 特征提取方法
7.5.3 三维识别方法
7.6本章小结
习题
参考文献
书单推荐
