本书分为两大部分：基本原理与方法，典型应用案例。首先简明阐述了模式识别原理与方法，并在此基础上介绍了模式识别的典型应用案例。原理与方法主要包括模式识别技术简介、预处理方法（自适应滤波、盲源分离）、特征提取方法（小波变换、小波包变换、功率谱分析、希尔伯特变换）、分类及聚类方法（贝叶斯分类、线性分类、神经网络分类、支持向量机分类、模糊聚类、粒子群聚类）。典型应用案例包括男女性别识别、癌细胞与正常细胞的识别、传送带上不同种类鱼的自动识别、脑机接口中运动想象脑电信号的识别、基于红外火焰探测的火灾识别、轴承的故障诊断、电子鼻农药识别、电梯群控交通模式识别、基于语音的说话人识别、汽车车牌识别、黄瓜病害识别、昆虫识别、电影中吸烟镜头的识别、玉米果穗的品种鉴别、布匹瑕疵种类的自动识别、基于虹膜的生物识别、基于人脸的生物识别、基于指纹的生物识别、环境状况的模糊聚类、基因的粒子群聚类。本书突出案例实际应用，有利于读者较快地的理解和掌握模式识别的相关应用技术，为科研人员应用模式识别方法解决相关领域的实际问题提供了具体思路和方法。同时，本书紧案例紧跟学科发展前沿，介绍了一些最新的研究成果。

更多科学出版社服务，请扫码获取。

目录
前言
第1章模式识别简介1
1.1模式识别的相关概念1
1.2模式识别的发展历程5
1.3模式识别系统的基本组成和特点5
1.3.1基本组成5
1.3.2特点7
1.4模式识别的主要方法7
1.5模式识别中的若干问题10
1.5.1学习10
1.5.2模式的紧致性11
1.5.3模式的相似性12
1.5.4模式分类的主观性和客观性12
1.6模式识别的基本知识13
1.6.1模式的表示方法13
1.6.2模式相似性度量常用的几种距离13
1.6.3模式特征的形成14
1.6.4数据的标准化14
1.7模式识别的典型应用和发展15
1.7.1模式识别的典型应用15
1.7.2模式识别的发展17
参考文献17
第2章预处理方法18
2.1自适应滤波18
2.1.1自适应滤波原理18
2.1.2自适应滤波器结构及应用19
2.1.3LMS自适应滤波20
2.1.4RLS自适应滤波21
2.1.5自适应滤波的实现23
2.1.6MATLAB实验24
2.2盲源分离27
2.2.1信息论的基本概念27
2.2.2常用的目标函数30
2.2.3ICA算法及实现流程31
2.2.4SOBI算法及实现流程38
参考文献39
第3章特征提取方法40
3.1小波变换40
3.1.1简介40
3.1.2傅里叶变换41
3.1.3短时傅里叶变换42
3.1.4连续小波变换43
3.1.5离散小波变换47
3.2小波包变换49
3.3小波变换及小波包变换特征表示50
3.4希尔伯特-黄变换53
3.4.1HHT简介53
3.4.2HHT原理及实现53
3.4.3HHT方法的优越性56
3.5功率谱分析58
参考文献59
第4章分类方法60
4.1贝叶斯分类60
4.1.1贝叶斯定理60
4.1.2基本概念及贝叶斯决策理论60
4.1.3基于最小错误率的贝叶斯决策61
4.1.4基于最小风险的贝叶斯决策62
4.1.5基于最小错误率和基于最小风险贝叶斯决策之间的关系64
4.1.6贝叶斯分类器的设计64
4.2线性分类65
4.2.1线性判别函数65
4.2.2线性分类器的学习算法68
4.3神经网络分类73
4.3.1概述73
4.3.2组成74
4.3.3神经元原理与模型74
4.3.4感知器77
4.4支持向量机85
4.4.1概述85
4.4.2线性分类器85
4.4.3非线性分类器88
参考文献93
第5章基于贝叶斯决策的细胞及性别和鱼类识别94
5.1贝叶斯决策描述94
5.2基于贝叶斯决策的细胞识别95
5.2.1细胞识别问题描述95
5.2.2基于最小错误准则的细胞识别96
5.2.3基于最小风险的细胞识别97
5.3基于贝叶斯决策的性别识别98
5.3.1性别识别问题描述及算法步骤98
5.3.2性别识别结果99
5.4基于贝叶斯决策的鱼类识别101
5.4.1鱼类识别问题描述及算法步骤101
5.4.2鱼类识别结果102
参考文献103
第6章基于语音的说话人识别104
6.1说话人识别简介104
6.2说话人识别方法和基本原理105
6.2.1说话人识别方法105
6.2.2说话人识别基本原理105
6.3语音信号的数字化107
6.4语音信号的预处理107
6.5语音信号的特征提取110
6.6基于矢量量化的说话人识别117
6.7基于语音的说话人识别结果118
参考文献119
第7章车牌识别121
7.1车牌识别简介121
7.2车牌识别步骤122
7.3车牌识别实例123
7.3.1车牌定位123
7.3.2字符分割126
7.3.3车牌识别127
参考文献130
第8章脑机接口中运动想象脑电信号的识别131
8.1脑机接口的基本概念与原理131
8.2基于独立分量分析的脑电信号预处理133
8.3基于小波和小波包变换的脑电信号特征提取135
8.3.1基于小波变换系数及系数均值的特征提取136
8.3.2基于小波包分解系数及子带能量的特征提取138
8.3.3数据描述140
8.3.4基于小波变换系数及系数均值处理结果140
8.3.5基于小波包分解系数及子带能量处理结果142
8.4基于HHT的脑电信号特征提取143
8.4.1数据描述143
8.4.2数据预处理144
8.4.3基于HHT的AR特征145
8.4.4基于HHT的IE特征152
8.5基于概率神经网络的脑电信号分类153
8.6基于支持向量机的脑电信号分类155
参考文献157
第9章基于红外火焰探测的火灾识别159
9.1红外火焰探测的基本原理及组成159
9.1.1火灾探测简介159
9.1.2红外火焰探测基本原理160
9.1.3红外火焰探测硬件基本组成161
9.2基于时频结合的火灾信号特征提取162
9.2.1数据获取过程162
9.2.2数据预处理及正确性分析163
9.2.3数据正确性初步分析163
9.2.4火灾时域特征提取165
9.2.5火灾频域特征提取167
9.3基于决策树的火灾识别171
9.3.1决策树基本思想171
9.3.2决策树特点173
9.3.3基于决策树的火灾识别173
参考文献175
第10章基于K-L变换的人脸识别176
10.1人脸识别技术简介176
10.1.1人脸识别技术背景及其应用价值176
10.1.2人脸识别技术的研究内容177
10.1.3自动人脸识别系统的组成178
10.1.4常用的人脸识别数据库179
10.2K-L变换的基本原理180
10.3基于K-L变换的人脸识别方法181
10.3.1人脸图像的预处理181
10.3.2特征向量的计算184
10.3.3选取特征向量张成人脸空间185
10.3.4基于最小距离法的分类识别187
参考文献190
第11章基于深度数据的运动目标检测191
11.1研究背景191
11.2Kinect深度数据的获取192
11.3单高斯模型运动目标检测算法193
11.3.1单高斯模型背景参数建立193
11.3.2前景点及背景点判断194
11.3.3背景参数更新194
11.4实验结果194
11.5本章小结195
参考文献196
第12章基于指纹的生物识别198
12.1基于指纹的生物识别概念198
12.2指纹识别的过程及主要特征199
12.2.1总体特征199
12.2.2局部特征200
12.3指纹识别的实现步骤与实验结果201
12.3.1指纹图像采集201
12.3.2指纹图像预处理202
12.3.3特征提取203
12.3.4指纹库数据存储204
12.3.5指纹识别205
12.3.6指纹识别实验结果205
参考文献205
第13章基于虹膜的生物识别207
13.1研究背景207
13.1.1常见的生物特征识别技术207
13.1.2虹膜及识别系统组成208
13.1.3虹膜识别典型应用209
13.2虹膜识别算法原理210
13.2.1预处理-虹膜定位210
13.2.2特征提取215
13.2.3虹膜匹配——汉明距离分类器218
13.2.4识别结果218
13.3本章小结219
参考文献219
第14章电影中吸烟镜头识别220
14.1研究背景及现状概述220
14.2基于SIFT与STIP的吸烟检测221
14.2.1SIFT特征描述221
14.2.2STIP特征描述222
14.2.3纯贝叶斯互信息最大化223
14.2.4识别系统框架224
14.3实验结果分析225
14.3.1训练数据与测试数据225
14.3.2测试结果226
14.4本章小结227
参考文献227
第15章黄瓜病害识别228
15.1研究背景228
15.2基于图像的黄瓜病害识别229
15.2.1图像采集229
15.2.2图像预处理229
15.2.3特征参数提取233
15.2.4黄瓜病虫害的模糊模式识别235
15.2.5黄瓜病虫害的模糊模式识别结果分析235
15.3本章小结237
参考文献237
第16章昆虫识别238
16.1研究背景238
16.2基于图像的昆虫识别239
16.2.1图像预处理239
16.2.2特征提取241
16.2.3分类器设计245
16.2.4识别结果246
16.3本章小结246
参考文献247