"模式识别是人工智能技术的重要分支，也是实现机器智能的重要手段。本书作为该领域的入门教材，介绍了各类典型的模式识别的理论与方法。全书共10章。第1章为绪论；第2~5章介绍与模式识别相关的人工智能基础知识，包括智能 Agent、确定性知识表示与推理、搜索策略、智能优化算法等；第6章介绍特征提取与选择方法，应用于模式识别中的预处理过程；第7~10章介绍各种典型的模式识别模型和算法，包括基于判别函数的分类方法、基于概率的分类方法、人工神经网络,以及聚类分析。 本书可作为高等院校电子信息类、计算机类、自动化类及相关专业的本科生或研究生教材，也可供对人工智能、模式识别、机器学习、数据挖掘等领域感兴趣的研究人员和工程技术人员参考。"

陈浩 ，国防科技大学电子科学学院教授。长期从事人工智能、模式识别、数据挖掘相关的教学和科研工作，湖南省一流本科生课程“人工智能与模式识别”负责人。近5年发表SCI论文20余篇，EI论文10余篇。获国家发明专利授权20余项，出版中英文专著各1部。获省部级教学成果一等奖2项，科技进步二等奖1项。

前言 模式识别是研究分类识别理论和方法的科学技术，它是人工智能研究领域的重要分支，也是实现机器智能的重要技术手段。该学科的理论任务是运用相关科技研发分类识别的理论和方法，其应用目标是创造能进行分类识别决策的智能机器系统以代替人类的分类识别工作。在理论上，它涉及代数学、矩阵论、函数论、随机数学、模糊数学、图论、最优化理论、信号处理、计算机科学、神经物理学等众多学科的知识，在应用上它又与其他许多领域的知识及工程技术密切相关，是一门综合性、交叉性学科。 本书是一本模式识别教科书。为了使尽可能多的读者通过本书对模式识别有所了解，作者侧重于讲解算法原理，并尽可能少地使用数学知识。但阅读本书，还需要具有概率、统计、代数、逻辑等方面的基本知识。因此，本书更适合大学三年级以上的理工科本科生和研究生，并可供人工智能、模式识别、机器学习、数据挖掘等相关领域感兴趣的研究人员和工程技术人员参考。 本书的写作原则是“注重基础，阐释原理，突出应用”。 重点介绍本领域的基础概念、方法和模型，在基础和前沿之间选择符合学科最新发展 趋势 的基础知识进行介绍； 注重讲“理”，着力把相关算法的思想讲清楚，使读者真正掌握学科知识， 切实提高解决问题的能力。本书在阐明知识时,不仅讲其然,还要讲其所以然,而不是简单地罗列 定理、结论、算法步骤； 注意讲清楚具体的模式识别模型的应用方法，不仅让读者清楚相关技术的机理， 更使其明白如何应用本书介绍的方法解决实际问题。 全书共四部分，分为10章。其中，第一部分为第1章，综述人工智能及模式识别的相关概念、发展简史、学派及...