本書廣泛吸取統(tǒng)計學、神經(jīng)網(wǎng)絡、數(shù)據(jù)挖掘、機器學習、人工智能、群智能計算等學科的先進思想和理論，將其應用到模式識別領(lǐng)域中；以一種新的體系，系統(tǒng)、全面地介紹模式識別的理論、方法及應用。本書第5版在現(xiàn)有版本的基礎(chǔ)上做了優(yōu)化，改動量為30%，篇幅由之前的13章壓縮到11章，內(nèi)容包括：模式識別概述，特征的選擇與優(yōu)化，模式相似性測度，基于概率統(tǒng)計的貝葉斯分類器設計，判別函數(shù)分類器設計，神經(jīng)網(wǎng)絡分類器設計(BP神經(jīng)網(wǎng)絡、徑向基函數(shù)神經(jīng)網(wǎng)絡、自組織競爭神經(jīng)網(wǎng)絡、概率神經(jīng)網(wǎng)絡、對向傳播神經(jīng)網(wǎng)絡、反饋型神經(jīng)網(wǎng)絡)，決策樹分類器設計，聚類分析，遺傳算法聚類分析，群體智能算法分析等。本書內(nèi)容新穎，實用性強，理論與實際應用密切結(jié)合，以手寫數(shù)字識別為應用實例，介紹理論運用于實踐的實現(xiàn)步驟及相應的Matlab代碼。