模式識別是人工智能的重要分支,其理論建立在矩陣論、概率論與數(shù)理統(tǒng)計等基礎(chǔ)知識之上，其技術(shù)在人機交互、自動駕駛、工業(yè)制造、醫(yī)學工程，以及基因技術(shù)等方面都發(fā)揮著重要作用，具有典型的理論性與實踐性緊密結(jié)合的特點。本書涵蓋統(tǒng)計決策論、線性分類器、概率密度函數(shù)估計等基礎(chǔ)知識點，注重公式推導，同時將經(jīng)典算法與前沿技術(shù)應用結(jié)合起來進行介紹，全書內(nèi)容共分為13章：緒論、模板匹配、基于統(tǒng)計決策的概率分類方法、線性判別函數(shù)、非線性鑒別函數(shù)、特征選擇與提取、統(tǒng)計學習理論及SVM、聚類分析、模糊模式識別法、句法模式識別、人工神經(jīng)網(wǎng)絡(luò)、深度學習，以及深度學習在生物特征識別領(lǐng)域的應用。 本書內(nèi)容系統(tǒng)、案例豐富、闡述翔實，適合作為高等院校自動化類、計算機類、人工智能類等專業(yè)本科生、研究生的教材和教學參考書，也可作為高等院校各專業(yè)通識教育的教學用書。同時，本書還可供相關(guān)領(lǐng)域的科研人員、工程技術(shù)人員和管理人員參考閱讀。