本书为电力行业“十四五”规划教材。
本书从一个最简单的水果识别的例子开始，引出最近邻法和最小距离分类法，用最简单的方法进行分类原理说明，之后展开模式识别算法的讲解，主要包括贝叶斯决策方法、近邻法、线性判决方法、非线性判决方法、聚类分析、特征选择与提取、神经网络、支持向量机、深度学习。

全书示例以简单易行为原则,水果识别用于入门,引出近邻法和最小距离法;特殊的水果样本引出梯度下降法;异或问题引出非线性分类方法;四维特征的IRIS数据用于特征选择与特征抽取示例;0~9字符图像数据引出特征生成;MNIST数据用于深度学习算法的实现示例。

前言
第1章 模式识别概述
1.1 模式识别的定义
1.2 模式识别的应用
1.3 模式识别方法示例
1.4 模式识别基本概念
习题
第2章 贝叶斯决策
2.1 错误率
2.2 基于最小错误率的贝叶斯决策
2.3 基于最小风险的贝叶斯决策
2.4 其他贝叶斯决策方法
习题
第3章 近邻法
3.1 最近邻法
3.2 最近邻法的错误率分析
3.3 k近邻法
3.4 快速近邻算法
习题
第4章 线性判别法
4.1 判别函数法
4.2 训练样本错分问题
4.3 迭代法
4.4 多类问题的感知器准则函数方法
4.5 最小均方误差准则函数
4.6 感知器与神经元
习题
第5章 神经网络
5.1 线性不可分问题
5.2 线性判别函数组合方法
5.3 BP神经网络
5.4 神经网络算法的应用
习题
第6章 支持向量机
6.1 机器学习
6.2 统计学习理论
6.3 支持向量机
6.4 支持向量机算法实现
第7章 聚类分析
7.1 相似性测度
7.2 聚类准则
7.3 聚类算法
习题
第8章 特征选择与提取
8.1 对特征的认识
8.2 特征生成
8.3 特征选择
8.4 特征提取
习题
第9章 深度学习
9.1 特征生成问题
9.2 自编码器
9.3 卷积神经网络
9.4 计算机视觉
9.5 电力视觉技术
习题
参考文献