清华版《模式识别》：边肇祺详解贝叶斯决策与参数估计

《清华大学出版社出版的“模式识别”》一书，由边肇祺教授编著，是一部经典的模式识别教材。该书共分为四章，涵盖了模式识别的基础理论、方法和技术。 在第一章“绪论”中，作者首先定义了模式识别和模式的概念，阐述了模式识别的含义，即通过计算机对输入数据进行分析，识别出其中隐含的模式或规律。接着，介绍了模式识别系统的构成，包括数据预处理、特征提取、分类器设计等关键环节，以及对模式识别中一些基本问题的探讨，如识别任务的设定、模型的选择等。 第二章深入讨论了贝叶斯决策理论，这是模式识别中的重要决策基础。章节内容涉及引言、常用决策规则（如最大似然法和朴素贝叶斯分类器）、正态分布下的统计决策，以及分类器错误率问题的讨论。读者将在此学习到如何运用统计概率进行决策和评估分类性能。 第三章重点讲述概率密度函数的估计，这是参数估计和非参数估计的核心内容。作者首先解释了参数估计的概念，随后针对正态分布提供了监督参数估计的例子，包括最大似然估计和最小二乘估计。非监督参数估计则涉及无先验知识情况下对分布形态的学习，而总体分布的非参数估计则是对分布形式未知情况的处理。此外，还讨论了如何通过这些估计方法来改进分类器的性能。 第四章深入讲解线性判别函数，它是模式识别中的核心技术之一。章节首先介绍线性判别函数的概念，然后详细解析Fisher线性判别，这是一种基于特征向量投影实现分类的方法。通过这一章，读者能够掌握如何利用线性代数工具构建有效的分类模型。 《边肇祺模式识别》这本书为读者提供了一个从基础到进阶的模式识别理论框架，涵盖了概率、决策理论、参数估计以及具体分类算法等内容，对于理解和实践模式识别技术具有很高的参考价值。无论是初学者还是研究者，都可以从中受益匪浅。