本书是享誉世界的名著，内容既全面又相对独立，既有基础知识的介绍，又有本领域研究现状的介绍，还有对未来发展的展望，是本领域最全面的参考书，被世界众多高校选用为教材。本书可作为高等院校计算机。电子、通信、自动化等专业研究生和高年级本科生的教材，也可作为计算机信息处理、自动控制等相关领域的工程技术人员的参考用书。

本书是享誉世界的名著，内容既全面又相对独立，既有基础知识的介绍，又有本领域研究现状的介绍，还有对未来发展的展望，是本领域最全面的参考书，被世界众多高校选用为教材。本书可作为高等院校计算机。电子、通信、自动化等专业研究生和高年级本科生的教材，也可作为计算机信息处理、自动控制等相关领域的工程技术人员的参考用书。

本书主要特点

提供了大型数据集和高维数据的聚类算法以及网络挖掘和生物信息学应用的最新资料。

涵盖了基于图像分析、光学字符识别，信道均衡，语音识别和音频分类的多种应用。

呈现了解决分类和稳健回归问题的内核方法取得的最新成果。

介绍了带有Boosting方法的分类器组合技术。

提供更多处理过的实例和图例，加深读者对各种方法的了解。

增加了关于热点话题的新的章节，包括非线性维数约减、非负矩阵分解、实用性反馈。稳健回归、半监督学习，谱聚类和聚类组合技术。

Preface

CHAPTER 1 Introduction

　1.1 Is Pattern Recognition Important?

　1.2 Features, Feature Vectors, and Classifiers

　1.3 Supervised, Unsupervised, and Semi-Supervised Learning

　1.4 MATLAB Programs

　1.5 Outline of The Book

CHAPTER 2 Classifiers Based on Bayes Decision Theory

CHAPTER 3 Linear Classifiers

CHAPTER 4 Nonlinear Classifiers

CHAPTER 5 Feature Selection

CHAPTER 6 Feature Generation I: Data Transformation and Dimensionality Reduction

CHAPTER 7 Feature Generation II

CHAPTER 8 Template Matching

CHAPTER 9 Context-Dependent Classification

CHAPTER 10 Supervised Learning: The Epilogue

CHAPTER 11 Clustering: Basic Concepts

CHAPTER 12 Clustering Algorithms I: Sequential Algorithms

CHAPTER 13 Clustering Algorithms II: Hierarchical Algorithms

CHAPTER 14 Clustering Algorithms III: Schemes Based on Function Optimization

CHAPTER 15 Clustering Algorithms IV

CHAPTER 16 Cluster Validity

APPENDIX A Hints from Probability and Statistics

APPENDIX B Linear Algebra Basics

APPENDIX C Cost Function Optimization

APPENDIX D Basic Definitions from Linear Systems Theory

Index