"本书主要讨论模式识别与人工智能理论、方法以及相关应用。内容包括聚类分析、判别函数、统计模式识别、特征选择和特征提取、神经网络、支持向量机、知识表示与推理、智能系统、深度神经网络、深度学习前沿等，也包含本课题组在锂电池剩余电量估计、电力系统暂态稳定评估、轨道交通变压器故障诊断等方面的研究成果，适合教学和自学。 本书可作为高等院校与科研院所电子信息类、自动化类、电气类、计算机类等专业研究生和高年级本科生的“模式识别与人工智能”课程教材，也可供轨道交通、地球物理、生物信息等领域中从事智能信息处理工作的科研人员和工程人员参考。"

赵海全，西南交通大学教授、博士生导师。长期致力于信息处理与人工智能理论及在电力系统应用研究，爱思唯尔高被引学者、连续多年入选全球前 2%**科学家（“终身科学影响力排行榜”和“年度科学影响力排行榜”）、四川省学术和技术带头人、四川省有突出贡献的优秀专家、四川省杰青、四川省海智特聘专家。

前言 随着人工智能技术的飞速发展及其在各行业的广泛应用，掌握人工智能与模式识别的基本理论、方法和实践，已成为现代工程科技人才的核心能力之一。人工智能不仅在理论研究中取得了突破，更在智能控制、智能制造、数据分析等工程领域中得到了广泛应用，推动了各行各业的技术变革。因此，如何将这些先进的理论与方法用于解决复杂工程问题，成为学术界和工业界的重大课题。 本书应运而生，旨在为读者提供一份系统的学习指南，帮助读者深入理解人工智能与模式识别的基本概念、核心方法及其工程应用。书中内容涵盖了从经典的聚类分析、判别函数、特征选择与特征提取，到现代的支持向量机、深度神经网络、深度学习等前沿技术，构建了一个完整的知识体系。本书特别强调理论与工程实践的结合，融合了课题组在锂电池剩余电量估计、电力系统暂态稳定评估、轨道交通变压器故障诊断等领域的最新研究成果，为读者提供了具有实际应用价值的案例分析。 本书是西南交通大学控制、电子信息与电气等相关专业的硕士研究生和博士研究生教材。全书共11章，内容从绪论开始逐步展开，涵盖了经典方法与前沿技术的相关理论、算法与应用。各章均由具有丰富教学和研究经验的专家编写，确保内容的准确性、系统性与实践性，突出工程应用的针对性与可操作性。 本书的主要特色包括： （1） 基础扎实，体系完整。系统阐述人工智能与模式识别的基本概念、经典算法与数学基础，帮助读者建立完整的知识框架。 （2） 案例导向，专业融合。结合电气、电子、控制、能源等工程领域的实际案例，特别是课题组在相关领域的创新成果，帮助读者理解理论与工程实践的紧密联系。 （3...