本书内容包括贝叶斯分类、贝叶斯网络、线性和非线性分类器 (包含神经网络和支持向量机) 、动态编程和用于顺序数据的隐马尔科夫模型、特征生成 (包含小波、主成分分析、独立成分分析和分形分析) 、特征选择技术、来自学习理论的基本概念、聚类概念和算法等

模式识别
本书是享誉世界的名著，内容既全面又相对独立，既有基础知识的介绍，又有本领域研究现状的介绍，还有对未来发展的展望，是本领域最全面的参考书，被世界众多高校选用为教材。本书可作为高等院校计算机、电子、通信、自动化等专业研究生和高年级本科生的教材，也可作为计算机信息处理、自动控制等相关领域的工程技术人员的参考用书。
本书主要特点
提供了大型数据集和高维数据的聚类算法以及网络挖掘和生物信息学应用的最新资料。
涵盖了基于图像分析、光学字符识别、信道均衡、语音识别和音频分类的多种应用。
呈现了解决分类和稳健回归问题的内核方法取得的最新成果。
介绍了带有Boosting方法的分类器组合技术。
提供更多处理过的实例和图例，加深读者对各种方法的了解。
增加了关于热点话题的新的章节，包括非线性维数约减、非负矩阵分解、实用性反馈、稳健回归、半监督学习、谱聚类和聚类组合技术。
作者简介
Sergios Theodoridis 希腊雅典大学信息系教授。主要研究方向是自适应信号处理、通信与模式识别。他是欧洲并行结构及语言协会（PARLE-95）的主席和欧洲信号处理协会（EUSIPCO-98）的常务主席、《信号处理》杂志编委。
Konstantinos Koutroumbas 1995年在希腊雅典大学获得博士学位。自2001年起任职于希腊雅典国家天文台空间应用研究院，是国际知名的专家。

计算机科学及应用