本书模式识别理论与实践学习的立体教程，针对的读者是具有一定数理知识的从业人员。通过本书的学习，读者能够熟练掌握模式识别的基础知识、基本方法和工程应用。本书主要包括模式识别的基本概念、贝叶斯决策理论、概率密度函数的参数估计、非参数判别分类方法、聚类分析、特征提取与选择、模糊模式识别、神经网络、深度学习。最后是项目实战，系统讲解三个模式识别的工程应用项目项目：中文文本识别、人脸识别、图像识别。每章的内容安排从问题背景引入，系统讲述基本原理、方法和实践应用（通过Python软件编程）。本书适合作为高等院校电子信息类、计算机类、自动化类等相关专业本科生的教材，以及信息与通信工程、控制科学与工程、计算机科学与技术等专业的研究生教材；也可作为从事人工智能相关研究与开发的工程技术人员的参考书。

郭志强: 武汉理工大学信息工程学院教授，国家级一流本科专业负责人，“模式识别”全国工程类专业学位研究生在线开放课程负责人，“数字信号处理”湖北省一流本科课程负责人，“数字图像处理”国家级线上一流本科课程主要成员。主要研究方向为智能信号处理、图像处理与模式识别、数据挖掘与机器学习。编著普通高等教育“十一五”国家级规划教材1部，主编、参编教材8部。获湖北省教学成果奖一等奖2项、二等奖1项。

前言 随着大数据、云计算、人工智能等新技术的出现，信息学科得到空前的发展。模式识别技术已经成为多学科和多领域专家、学者和技术人员共同关心的技术问题。作为人工智能的重要方面，模式识别也从单一的信息学科专业方向，演变成一个在自然科学和社会科学等诸多领域都受到重视的学科方向。 模式识别学科在武汉理工大学的发展有较深厚的底蕴和传承。早在1996年，武汉理工大学设置电子信息工程本科专业，从那时起，杨杰等教授就开始为本科生开设模式识别课程，后逐渐延伸到研究生的课程体系。2017年，由杨杰教授担任主编、郭志强教授担任副主编，编写了模式识别教材《模式识别与MATLAB实现》，并由电子工业出版社出版。该教材的出版为“模式识别”课程的发展做出了贡献，被很多高校和科研院所作为教材或参考书，也为本课程的建设奠定了基础。通过几年的教学实践，以及众多热心读者的反馈，我们发现原来的教材已不能适应当前教学的需求，而且近年来模式识别理论与应用又有了很多新发展。因此，我们重新组建了教材改编小组，从内容到形式，对原有教材进行大规模的修订，形成了本次出版的《模式识别——原理、应用及实现》，并由清华大学出版社出版发行。 本书共分10章。第1章为绪论； 第2~3章介绍贝叶斯决策理论，包括贝叶斯分类器及概率密度函数的参数估计； 第4章介绍非参数判别分类方法，包括线性分类器和支持向量机基本原理； 第5章介绍聚类分析； 第6章介绍特征提取与选择； 第7章介绍模糊模式识别； 第8章介绍传统神经网络基本原理； 第9章介绍深度学习的主要模型； 第10章介绍模式识别的工程应用，包括中文文本分类、人脸识别和图像...