1.5　本书的主要内容

全书共分为12章。
第1章为模式识别概述，讲述模式识别的基本概念、主要方法、系统的构成及其应用。
第2章为基于贝叶斯决策理论的分类器，重点讲述作为监督模式识别理论基础的贝叶斯决策理论及统计判别。
第3章为概率密度函数的估计，主要介绍概率密度函数的基本估计方法，包括参数估计方法及非参数估计方法。
第4章为判别函数分类器的设计，详细介绍线性判别函数及非线性判别函数。
第5章为近邻法，介绍几种常见的近邻法，包括最近邻法、k-近邻法、剪辑近邻法和压缩近邻法。
第6章为特征选择，介绍常用特征的评价准则、最优特征的生成及特征选择的各种算法。
第7章为特征提取，介绍基于类别可分性判据的特征提取和特征变换方法，包括主成分分析法、K-L变换、非线性维数降低和Haar变换。
第8章为聚类，介绍各种聚类算法，包括顺序聚类算法、合并算法、模糊聚类方