目录 第1章 绪论 1.1 模式和模式识别的概念 1.2 模式空间、特征空间和类型空间 1.3 模式识别系统的构成 1.3.1 信息获取 1.3.2 预处理 1.3.3 特征提取和选择 1.3.4 分类决策 1.4 物体的结构表示 1.5 图片识别问题 第2章 模式识别中的基本决策方法 2.1 基于最小错误率的贝叶斯决策 2.2 分类器设计 2.2.1 多类情况 2.2.2 两类情况 2.3 关于分类器的错误率 2.4 关于贝叶斯决策 2.5 线性判别函数的基本概念 2.6 设计线性分类器的主

第1章 绪论 1.1 模式和模式识别的概念 1.2 模式空间、特征空间和类型空间 1.3 模式识别系统的构成 1.3.1 信息获取 1.3.2 预处理 1.3.3 特征提取和选择 1.3.4 分类决策 1.4 物体的结构表示 1.5 图片识别问题 第2章 模式识别中的基本决策方法 2.1 基于最小错误率的贝叶斯决策 2.2 分类器设计 2.2.1 多类情况 2.2.2 两类情况 2.3 关于分类器的错误率 2.4 关于贝叶斯决策 2.5 线性判别函数的基本概念 2.6 设计线性分类器的主要步骤

#pragma   hdrstop 　　#include   　　#include   　　const   A=30.0; 　　const   B=10.0; 　　const   MAX=500;               //最大训练次数 　　const   COEF=0.0035;   //网络的学习效率 　　const   BCOEF=0.001;//网络的阀值调整效率 　　const   ERROR=0.002     ;   //   网络训练中的允许误差 　　

#pragma   hdrstop 　　#include   　　#include   　　const   A=30.0; 　　const   B=10.0; 　　const   MAX=500;               //训练次数 　　const   COEF=0.0035;   //网络的学习效率 　　const   BCOEF=0.001;//网络的阀值调整效率 　　const   ERROR=0.002     ;   //   网络训练中的允许误差 　　co