模式识别是信息科学和人工智能的重要组成部分, 主要应用领域包括图像分析、光学字符识别、信道均衡、语言识别和语音分类等。本书全面介绍了模式识别的基础理论、最新方法及各种应用, 讨论了贝叶斯分类、贝叶斯网络、线性和非线性分类器设计、上下文相关分类、特征生成、特征选择技术、学习理论的基本概念及聚类的概念与算法, 新增了与大数据集和高维数据相关的算法, 详细论述了非线性降维、非负矩阵因数分解、关联性反馈、鲁棒回归、半监督学习、频谱聚类和组合集聚技术。书中的各章提供习题与练习, 并在配套网站上提供习题解答。