《模式识别技术及其应用》阐述了模式识别原理与新方法，并在此基础上介绍了模式识别的典型应用案例。理论方法主要涵盖了预处理、特征提取及分类的典型和前沿方法。整体内容安排力求实用性，将理论与实际案例相结合，并突出案例介绍，有利于读者加深对理论方法的理解和实际应用，可使读者较系统地掌握模式识别的新理论方法和相关实用技术。书中给出的应用实例，可为科研人员应用模式识别方法解决相关领域的实际问题提供具体思路和方法。
　　《模式识别技术及其应用》可作为计算机科学、自动化科学、电子科学、信息工程专业研究生的模式识别课程教材，也可供各领域中从事模式识别相关工作的广大科技人员和高校师生参考。

前言
第1章 模式识别简介
1．1 模式识别的相关概念
1．2 模式识别的发展历程
1．3 模式识别系统的基本组成和特点
1．3．1 基本组成
l．3．2 特点
1．4 模式识别的主要方法
1．5 模式识别中的若干问题
1．5．1 学习
1．5．2 模式的紧致性
1．5．3 模式的相似性
1．5．4 模式分类的主观性和客观性
1．6 模式识别的基本知识
1．6．1 模式的表示方法
1．6．2 模式相似性度量常用的几种距离
1．6．3 模式特征的形成
1．6．4 数据的标准化
1．7 模式识别的典型应用和发展
1．7．1 模式识别的典型应用
1．7．2 模式识别的发展
参考文献

第2章 预处理方法
2．1 自适应滤波
2．1．1 自适应滤波原理
2．1．2 自适应滤波器结构及应用
2．1．3 LMS自适应滤波
2．1．4 RLS自适应滤波
2．1．5 自适应滤波的实现
2．1．6 MATLAB实验
2．2 盲源分离
2．2．1 信息论的基本概念
2．2．2 常用的目标函数
2．2．3 ICA算法及实现流程
2．2．4 SOBI算法及实现流程
参考文献

第3章 特征提取方法
3．1 小波变换
3．1．1 简介
3．1．2 傅里叶变换
3．1．3 短时傅里叶变换
3．1．4 连续小波变换
3．1．5 离散小波变换
3．2 小波包变换
3．3 小波变换及小波包变换特征表示
3．4 希尔伯特一黄变换
3．4．1 HHT简介
3．4．2 HHT原理及实现
3．4．3 HHT方法的优越性
3．5 功率谱分析
参考文献

第4章 分类方法
4．1 贝叶斯分类
4．1．1 贝叶斯定理
4．1．2 基本概念及贝叶斯决策理论
4．1．3 基于最小错误率的贝叶斯决策
4．1．4 基于最小风险的贝叶斯决策
4．1．5 基于最小错误率和基于最小风险贝叶斯决策之间的关系
4．1．6 贝叶斯分类器的设计
4．2 线性分类
4．2．1 线性判别函数
4．2．2 线性分类器的学习算法
4．3 神经网络分类
4．3．1 概述
4．3．2 组成

第5章 基于贝叶斯决策的细胞及性别和鱼类识别
第6章 基于语音的说话人识别
第7章 车牌识别
第8章 脑机接口中运动想象脑电信号的识别
第9章 基于红外火焰探测的火灾识别
第10章 基于K-L变换的人脸识别
第11章 基于深度数据的运动目标检测
第12章 基于指纹的生物识别
第13章 基于虹膜的生物识别
第14章 电影中吸烟镜头识别
第15章 黄瓜病害识别
第16章 昆虫识别