1.6　章节安排

本书主要围绕模式识别的基本概念、基础理论和典型方法，以实际问题为主线，系统描述了模式识别的常用方法和常见技巧，并给出了一系列实验及应用案例。在内容的组织和写作上，本书较注重基础性、系统性和实用性，没有对较复杂的理论进行推演和介绍。我们力求为学习模式识别技术的学生提供一本基础教材，同时为在其他学科应用模式识别技术的读者提供一本深入浅出的参考书。

全书共12章。

第1章为绪论，主要介绍了视觉信息、机器感知及特征选择与提取的概念，以及模式识别系统的基本构成，同时向读者展示了机器感知与模式识别系统的应用和发展前景。

第2章为机器视觉，详细介绍了视觉系统及其硬件平台和算法分析，并列举了常见的视觉软件，最后给出了车牌识别实验。

第3章为特征提取，主要介绍特征提取和特征选择的知识与方法，首先简述了特征提取和特征选择的概念，然后详细介绍了特征提取的降维与度量、类脑多层特征提取方法、模式识别系统设计，以及计算学习理论，最后给出基于PCA的特征脸提取实验。

第4章为线性分类模型，除了经典的线性判别函数，还分别介绍了Fisher线性判别、感知器算法、最小平方误差算法、Logistic回归和多类线性分类方法，最后给出了感知器算法实现实验。

第5章为非线性分类模型，介绍了非线性分类的支持向量机、决策树与随机森林和贝叶斯分类器等方法，并重点介绍了神经网络，最后给出了决策树和随机森林算法实现实验。

第6章为时间序列预测模型，首先对时间序列预测进行了概述，介绍了指数平滑法，重点介绍了平稳模型的自回归模型、移动平均模型和自回归滑动平均模型，然后介绍了自回归积分滑动平均模型、长短期记忆网络模型和隐马尔可夫模型，最后给出了基于LSTM的股票最高价预测实验。

第7章为混合模型，首先介绍了高斯混合模型和混合贝叶斯模型，然后详细介绍了Boosting和AdaBoost混合模型，最后给出了基于AdaBoost集成学习的乳腺癌分类实验。

第8章为图像识别，首先简述了数字图像处理系统，对图像特征进行了描述，重点介绍了图像特征提取、分类器设计及实现，最后给出了水泥面裂缝检测实验。

第9章为视频目标检测与跟踪，介绍了视频目标检测的背景和遇到的问题，重点介绍了运动目标跟踪，并对视频目标检测与跟踪数据库进行设计，最后给出了多目标跟踪实验。

第10章为语音识别，介绍了语音识别系统的基本结构，以及声学模型和语言模型，重点介绍了深度学习模型和MFCC的语音识别技术，同时介绍了基于DNN-MFCC的语音识别方法，最后给出了基于MFCC特征和THCHS-30数据集的语音识别实验。

第11章为生物特征识别，介绍了指纹识别、人脸识别、虹膜识别和步态识别，最后给出了人脸识别实验。

第12章为医学图像检索，首先介绍了多模态医学图像融合及医学图像目标识别等，然后给出了超声图像病灶分割的实验。