《模式识别及航空航天应用》是介绍模式识别技术的基础教材，包含理论、实验和应用三方面的内容。理论知识以统计模式识别为主，包括线性分类器、非线性分类器、特征提取、非监督聚类、神经网络等，立足经典理论和现代方法；实验部分围绕“卫星目标识别”这一综合项目，设计了一整套层次递进的实验内容，理论支撑实践，实践深化理论；应用部分结合航空航天实际工程案例对理论进行应用分析，实现了模式识别理论与实际工程应用的深度融合。 《模式识别及航空航天应用》可以作为“航空航天 智能”交叉类专业以及人工智能、电子信息、自动化、计算机等相关专业的本科生或研究生教材，也可以供人工智能相关的研究人员、学生和工程技术人员阅读参考。

第1章 绪论 1．1 模式与模式识别 1．2 模式识别的方法和发展历史 1．2．1 模式识别的主要方法 1．2．2 模式识别的发展史 1．3 模式识别系统基本框架和构成 1．4 有监督和无监督模式识别 1．4．1 有监督模式识别 1．4．2 无监督模式识别 1．5 模式识别系统举例 1．6 模式识别系统的性能评价 1．6．1 有监督模式识别系统性能评价 1．6．2 无监督模式识别系统性能评价 小结 习题 参考文献 第2章 线性分类器 2．1 线性分类器基础 2．1．1 线性判别函数 2．1．2 线性分类器设计的一般步骤 2．1．3 广义线性判别函数 2．1．4 多类问题 2．2 垂直平分分类器 2．3 Fisher投影准则 2．4 感知准则 2．4．1 线性可分 2．4．2 感知器模型 2．4．3 解向量与解区 2．4．4 感知准则函数 2．4．5 梯度下降法 2．5 *小错分样本准�� 2．6 *小平方误差准则 小结 习题 参考文献 第3章 贝叶斯分类器 3．1 贝叶斯决策概述 3．1．1 统计分类 3．1．2 先决条件 3．1．3 贝叶斯决策 3．1．4 错误率概念 3．2 *小错误率贝叶斯决策 3．3 *小风险贝叶斯决策 3．4 *小*大贝叶斯决策 3．5 正态分布时的统计决策 3．5．1 正态分布 3．5．2 多元正态分布下的*小错误率贝叶斯决策 3．6 分类器的错误率 3．6．1 错误率的理论计算 3．6．2 错误率上界 3．7 朴素贝叶斯分类器和贝叶斯网络 3．7．1 朴素贝叶斯分类器 3．7．2 半朴素贝叶斯分类器 3．7．3 贝叶斯网络 小结 习题 参考文献 第4章 非线性分类器 4．1 近邻法 …… 第5章 特征选择与特征提取 第6章 无监督分类器 第7章 经典神经网络分类器 第8章 卷积神经网络 第9章 模式识别实验 第10章 模式识别的航空航天应用