1、第一章 绪论考点 1：基于统计方法的模式识别系统的四部分组成考点 2：输入对象信息的三种组成类型考点 3：预处理的概念和目的化现象进行复原。预处理：是指在进行最后加工完善以前进行的准备过程。第二章 贝叶斯决策理论考点 1：贝叶斯决策理论方法使用的两个基本条件考点 2： 公式 2-1 例 2-1，会算，会分类，公式 2-2 理解（不要求记住） ，例 2-2 理解考点 3：期望风险，最小风险贝叶斯决策概念考点 4：最小错误率贝叶斯决策考点 5：判别函数和决策面考点 6：42 页倒数最后一段第三章 概率密度函数的估计考点 1：概率密度函数的估计这章讨论的三个问题（要求知道每个选项是什么意思）考点 2
2、：参数估计的基本概念（一般理解）第四章 线性判别函数考点 1：准则函数概念，准则函数有哪几种考点 2：设计线性分类器的步骤（“对于.”部分可以理解成（4） ）考点 3：fisher 准则（对照图 4.3 理解）第五章 非线性判别函数考点 1：分段线性分类器设计的一般考虑考点 2：分段线性判别函数表示示例第六章 邻近法考点 1：K- 邻近法及其基本规则考点 2：剪辑近邻法第七章 经验风险最小化和有序风险最小化方法这章一般理解，没有考点儿第八章 特征提取和选择考点 1：可分性判据满足的几条要求考点 2：按欧氏距离特征提取方法考点 3：最优搜索算法（分支定界算法）考点 4：特征选择的新方法（模拟褪火算法，特别是遗传算法）没有考点儿考点 1：动态聚类的三个要点儿考点 2：C 均值算法的核心思想考点 3：ISODATA 算法（理解）考点 4：最常用的相似度量有几种考点 1：BP 方法的核心思想考点 2：感知器的一些特性（理解，不背）考点 3：多层前馈网络用于模式识别（必须理解）十二章 模糊模式识别方法考点 1：模糊 C 均值算法十三章 统计学习理论和支持向量机考点 1：支持向量，支持向量机（概念）考点 2：公式 13-31（理解）考点 3：支持向量机的基本思想和实例考点 4：支持向量机的内积函数第十四章 模式识别在语音信号数字处理中的应用实例本章无考点
