本书是一本模式识别学习的立体教程，通过本书的学习，能够掌握模式识别主要技术模块的算法原理及Python实现，包括贝叶斯决策、概率密度函数的估计、线性判别分析、非线性判别分析、组合分类器、无监督模式识别、特征选择、特征提取、半监督学习以及人工神经网络等。本书配以教学课件、Python仿真程序、微课视频和实验指导书，便于教和学。

蔡利梅 中国矿业大学信息与控制工程学院副教授，长期从事图像处理与模式识别领域的教学和研究工作。曾获教育部高等学校科学技术进步奖二等奖、河南省科技进步奖二等奖、江苏省科学技术奖三等奖、中国煤炭工业协会科学技术奖一等奖等省部级以上科技奖励8项；获国家发明专利授权2项；出版教材4部、科技图书1部；获校级教学成果奖特等奖1项，一等奖1项，全国煤炭行业教育教学成果奖三等奖1项，并多次获校级“教书育人先进个人”、“百佳教师”等荣誉。

前言 模式识别是研究如何使机器(计算机)具有类似于人类对各种事物进行分析、判断、识别能力的理论和技术，是人工智能技术的重要组成部分，应用领域越来越广泛，对国民经济、社会生活和科学技术等方面都产生了巨大的影响。 由于模式识别技术对现代社会的深远影响，模式识别已经成为高等院校人工智能、计算机、信息、自动化、遥感、控制等多个学科领域的一门重要专业课程。 在模式识别课程学习中，常有学生认为课程较难。导致这种情况的主要原因有两个： 一是模式识别课程牵涉大量的数学理论，含微积分、线性代数、概率论、数理分析、优化理论等，本科生对这些理论的应用经验有所不足，短时间内较难达到对多方面数学知识综合应用的融会贯通； 二是模式识别学习需要对算法进行仿真实现，受限于数学基础和编程经验，轻松、流畅地实现算法成为学习中的一个难点。 针对这些问题，在编写教材时以便于学习为出发点，做了多方面的尝试。教材对于算法的推导尽量详细，受限于篇幅不能展开的数学知识，也给出了关键词，便于学生理解以及扩展学习； 编写了大量小例题，在简单数据上进行计算实现算法，有助于对算法的理解。为辅助编程仿真，清晰列出算法实现的步骤； 设计仿真例题； 简要介绍scikitlearn库中的模型，并设计仿真程序； 在每章最后安排编程实例，以供参考学习； 安排改写或编写程序习题，加强练习。 本书的编写受到中国矿业大学教学研究项目——“十四五规划教材建设”项目的资助。在编写本书的过程中，编者参考了大量的文献，在此对各文献的作者表示真诚的感谢。 限于编者学识水平，书中不足之处敬请读者不吝指正。 ...