人類自進(jìn)入科技高速發(fā)展的信息社會(huì)以來，處理信息的方式和方法越來越智能化。計(jì)算機(jī)科學(xué)與技術(shù)作為智能信息技術(shù)的核心基礎(chǔ)正在使人類的學(xué)習(xí)、生活和工作越來越方便，如各種門禁系統(tǒng)、驗(yàn)證真?zhèn)窝b置以及磁卡都在為人類提供安全保障服務(wù)。智能信息處理已滲透到人類社會(huì)活動(dòng)的各個(gè)領(lǐng)域。要實(shí)現(xiàn)智能信息系統(tǒng)的軟件，僅靠使用高級(jí)程序設(shè)計(jì)語言的知識(shí)是遠(yuǎn)遠(yuǎn)不夠的。要學(xué)會(huì)分析和研究所需處理的信息對(duì)象的特性，選擇合適的模式識(shí)別方法即分類聚類技術(shù)和相應(yīng)的數(shù)據(jù)或信息的表示和存儲(chǔ)，設(shè)計(jì)相應(yīng)的模式識(shí)別算法，進(jìn)而編制實(shí)現(xiàn)才能較好地完成智能信息系統(tǒng)的軟件開發(fā)任務(wù)。模式識(shí)別技術(shù)是從事計(jì)算機(jī)科學(xué)與技術(shù)進(jìn)行智能信息工作的相關(guān)人員不可缺少的知識(shí)。模式識(shí)別正是通過建立智能信息處理的基本概念，從而培養(yǎng)學(xué)生將現(xiàn)實(shí)世界中的智能信息處理問題轉(zhuǎn)化為模式識(shí)別模型的能力，進(jìn)而提高分析問題和解決問題的技能，以達(dá)到利用計(jì)算機(jī)進(jìn)行智能信息處理目的的一門重要課程。 
目前，模式識(shí)別是高校計(jì)算機(jī)類專業(yè)(包括計(jì)算機(jī)科學(xué)與技術(shù)、軟件工程、網(wǎng)絡(luò)工程、信息安全、智能控制等)的專業(yè)課程，也是其他信息類專業(yè)(包括信息管理與信息系統(tǒng)、通信工程、信息工程、信息與計(jì)算科學(xué)等)的選修課程。學(xué)好模式識(shí)別，可以使讀者掌握更多的程序設(shè)計(jì)以及設(shè)計(jì)和實(shí)現(xiàn)模式識(shí)別系統(tǒng)的技巧，為以后學(xué)習(xí)其他專業(yè)課程，以及為今后走上工作崗位從事計(jì)算機(jī)大型智能信息系統(tǒng)的軟件開發(fā)打下良好的基礎(chǔ)。 
本書共11章。第1章介紹模式識(shí)別的基本概念、基本原理和基本方法。第2章介紹聚類分析的基本知識(shí)以及聚類的各種算法。第3章介紹線性分類器以及其他的代數(shù)域幾何分類法，同時(shí)給出了分段線性和非線性分類器設(shè)計(jì)的方法，還介紹了費(fèi)歇爾方法、勢(shì)函數(shù)法。第4章介紹貝葉斯決策分類器的設(shè)計(jì)方法，包括基本的方法，基于正態(tài)分布的分類器設(shè)計(jì)法，參數(shù)估計(jì)的最大似然估計(jì)法、貝葉斯估計(jì)法、貝葉斯學(xué)習(xí)法，非參數(shù)估計(jì)的Parzen窗法和kN近鄰法，后驗(yàn)概率的勢(shì)函數(shù)估計(jì)方法等。第5章介紹特征選擇和特征提取，包括類別可分性測(cè)度、單類模式特征提取、多類模式特征提取、特征選擇準(zhǔn)則、特征選擇方法、幾種全局特征選擇的搜索方法如遺傳算法、模擬退火算法、禁忌搜索算法。第6章介紹句法模式識(shí)別法，包括基本概念、文法分類、模式的描述方法、文法推斷、句法分析及模式識(shí)別、句法結(jié)構(gòu)的自動(dòng)機(jī)識(shí)別，并對(duì)各型自動(dòng)機(jī)和文法間的關(guān)系進(jìn)行了較為詳細(xì)的討論。第7章介紹模糊模式識(shí)別法，包括模糊集合的定義、與模糊集合相關(guān)的概念、模糊集合的運(yùn)算、模糊關(guān)系與模糊矩陣、模糊模式分類的直接方法和間接方法、模糊聚類分析法如模糊等價(jià)關(guān)系和模糊相似關(guān)系的聚類分析法、模糊K均值算法、模糊ISODATA算法。第8章介紹神經(jīng)網(wǎng)絡(luò)模式識(shí)別法，包括神經(jīng)網(wǎng)絡(luò)的基本概念、前向神經(jīng)網(wǎng)絡(luò)感知器網(wǎng)絡(luò)和BP網(wǎng)絡(luò)、競爭學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)如基本的競爭學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)、漢明競爭神經(jīng)網(wǎng)絡(luò)、自組織特征映射神經(jīng)網(wǎng)絡(luò)。第9章介紹決策樹，包括決策樹的基本概念、屬性選擇的幾個(gè)度量、決策樹的建立算法如ID3算法、C4��5算法等。第10章介紹支持向量機(jī)模式識(shí)別法，包括支持向量機(jī)的理論基礎(chǔ)、線性判別函數(shù)和判別面、線性不可分下的判別面、非線性可分下的判別函數(shù)。第11章介紹粗糙集方法，包括粗糙集中的基本概念、信息系統(tǒng)和決策表及其約簡、基于粗糙集的分類器設(shè)計(jì)。 
書中算法采用MATLAB語言加以描述，強(qiáng)調(diào)算法思想的良好簡潔描述，體現(xiàn)良好的代碼設(shè)計(jì)風(fēng)格。算法后配有例題。每章后配有習(xí)題。 
本書內(nèi)容的理論性和實(shí)踐性都很強(qiáng)，讀者在進(jìn)行理論學(xué)習(xí)的同時(shí)，需要多動(dòng)手編寫程序上機(jī)調(diào)試，以加深對(duì)所學(xué)知識(shí)的理解，將一些基本算法和程序作為“積木塊”供今后使用，以提高編程效率和能力。本書可作為高校計(jì)算機(jī)類或信息類相關(guān)專業(yè)模式識(shí)別課程教材，建議理論課時(shí)為48～64學(xué)時(shí)，上機(jī)實(shí)踐課時(shí)為20～30學(xué)時(shí)，課程設(shè)計(jì)時(shí)間2～3周，可根據(jù)本專業(yè)特點(diǎn)和具體情況適當(dāng)增刪內(nèi)容加以使用。書中標(biāo)有星號(hào)“*”的部分內(nèi)容，初學(xué)者可在首次閱讀時(shí)跳過，留作以后要了解的內(nèi)容。本書假定讀者已掌握了MATLAB。 
本書在內(nèi)容組織安排上遵循認(rèn)知規(guī)律,合理安排知識(shí)點(diǎn)，突出核心概念，提煉基礎(chǔ)內(nèi)容，細(xì)化難點(diǎn)，把握重點(diǎn)，側(cè)重應(yīng)用實(shí)踐，減少形式化描述，注重算法設(shè)計(jì)與程序?qū)崿F(xiàn)(書中代碼在MATLAB語言中調(diào)試運(yùn)行通過)，容易學(xué)習(xí)理解和使用，從實(shí)用性和培養(yǎng)工程應(yīng)用能力的角度培養(yǎng)讀者運(yùn)用模式識(shí)別的能力以及編程能力。 
本書是作者在多年講授模式識(shí)別課程的基礎(chǔ)上，針對(duì)模式識(shí)別教學(xué)的特點(diǎn)編寫的。參加本書編寫工作的有:吳陳(第1、7~11章)、王麗娟(第2章)、陳蓉(第3章)、許有權(quán)(第4章)、吳文俊(第5章)、夏瓊?cè)A(第6章)。參加習(xí)題編寫的有夏冰瑩、姜雯、許霞等。 
本書由段先華教授審閱，在此表示衷心感謝。 
由于作者知識(shí)和寫作水平有限，書中難免存在缺點(diǎn)或錯(cuò)誤之處，希望讀者批評(píng)指正。 


吳陳