《模式识别与人工智能（基于MATLAB）》将模式识别与人工智能理论与实际应用相结合, 以酒瓶颜色分类为例, 介绍了各种算法理论及相应的 MATLAB实现程序。全书共分为10章, 包括模式识别概述、贝叶斯分类器的设计、判别函数分类器的设计、聚类分析、 模糊聚类、神经网络分类器设计、模拟退火算法的分类器设计、遗传算法聚类设计、蚁群算法聚类设计、粒子群算法聚类设计，覆盖了各种常用的模式识别技术。

周润景，内蒙古大学电信学院自动化系教授，中国电子学会高级会员，IEEE/EMBS会员。多年来一直从事EDA技术的研究。近五年主持参与航天部项目六项，在国内外出版EDA设计专著20多部，发表论文50多篇，其中EI检索30多篇，近五年来为国防科工局所属单位培训军工电子系统可靠性设计、EMC设计、高速PCB设计1000多人次。在本项目中负责系统仿真。承担国家自然基金项目2项，教育部春晖计划项目2项，自治区自然基金项目1项，自治区高校科研项目2项，军工企业项目4项等。

前言 随着模式识别技术的迅猛发展，目前该技术已经成为当代高科技研究的重要领域之一，不仅取得了丰富的理论成果，而且其应用范围越来越广泛，几乎遍及各个学科领域，如人工智能、机器人、系统控制、遥感数据分析、生物医学工程、军事目标识别等。由于其在国民经济、国防建设、社会发展的各个方面得到了广泛应用，因而越来越多的人认识到模式识别技术的重要性。 本书以实用性为宗旨，以对酒瓶颜色的分类设计为主，将理论与实践相结合，介绍了各种相关分类器设计。 第1章介绍模式识别的概念、模式识别的方法及其应用。 第2章讨论贝叶斯分类器的设计。首先介绍贝叶斯决策的概念，让读者对贝叶斯理论有所了解，然后介绍基于最小错误率和最小风险的贝叶斯分类器的设计，将理论应用到实践，让读者真正学会运用该算法解决实际问题。 第3章讨论判别函数分类器的设计。判别函数包括线性判别函数和非线性判别函数，本章首先介绍判别函数的相关概念，然后介绍线性判别函数LMSE和Fisher分类器的设计及非线性判别函数SVM分类器的设计。 第4章讨论聚类分析。聚类分析作为最基础的分类方法，涵盖了大量经典的聚类算法及衍生出来的改进算法。本章首先介绍相关理论知识，然后依次介绍K均值聚类、K均值改进算法、KNN聚类、PAM聚类、层次聚类及ISODATA分类器设计。 第5章讨论模糊聚类分析。首先介绍模糊逻辑的发展、模糊数学理论、模糊逻辑与模糊推理等一整套模糊控制理论，然后介绍模糊分类器、模糊C均值分类器、模糊ISODATA分类器及模糊神经网络分类器的设计。 第6章讨论神经网络聚类设计。首先介绍神经网络的概念及其模型等理论知识，...