由北京邮电大学信息工程学院制作，模式识别用计算机实现人对各种事物或现象的分析,描述,判断,识别。

离分类器第三章判别函数分类器第四章统计分类器第五章特征选择与特征提取第六章神经网络在模式识别中的应用

模式识别教材：1、导论2、Bayes决策理论3、概率密度估计4、线性判别函数5、神经网络6、统计学习

成矿构造识别与深部勘查战略、Sudbury勘探模式的演变：通向下盘、找矿成功途径与找矿系统工程、矿

6.1 句法模式识别概述 6.2 形式语言的基本概念 6.3 模式的描述方法 6.4 文法推断 6.5 句法分析 6.6 句法结构的自动机识别

第1章 绪论 1.1 模式和模式识别的概念 1.2 模式识别系统 1.3 模式识别概况 1.4 模式识别的应用 第2章 聚类分析 2.1 距离聚类的概念 2.2 相似性测度和聚类准则 2.3 基于距离阈值的聚类算法 2.4 层次聚类法 2.5 动态聚类法 2.6 聚类结果的评价

 掌握模式识别的基本概念  掌握模式识别的基本步骤与流程  掌握模式识别经典算法的基本原理，了解其优缺点与适用范围  对实际生活中的识别问题建模，完成自动识别系统的构建  为研究新的模式识别的理论和方法打下基础

提出了一种基于特征波形稀疏匹配的滚动轴承故障模式识别方法.该方法通过自行设计的搜索算法从信号中提取多段特征波形,并对其进行学习优化,以优化后的特征波形作为基原子模型生成原子库及模式匹配库.将待识别信号在模式匹配库上进行一阶匹配分析,实现轴承故障的模式识别.对正常轴承、滚动体故障、内圈故障和外圈故障信号进行实验,验证了方法的有效性和鲁棒性

针对传统最小二乘多项式板形模式识别方法鲁棒性差、各分项物理意义不明确,以及普通BP(back propagation)识别法精度低等问题,选用勒让德多项式作为板形基本模式,提出一种基于二叉树型分层BP的板形模式识别并行计算模型.该模型通过逐层细化预测范围并选用多个神经网络进行递推.实验结果表明,采用此方法不仅增强了系统的抗干扰能力,而且提高了系统的识别精度