《模式识别导论》按照统计模式识别、句法模式识别、模糊模式识别法和神经网络模式识别法四大理论体系组织全书，其中统计模式识别是模式识别的经典内容和基础知识，模糊模式识别法和神经网络模式识别法两部分反映了模式识别学科发展的新进展，附录部分归纳了书中需要用到的概率知识、向量和矩阵运算的常用公式，以及供上机练习用的模式样本数据。
《模式识别导论》内容由浅入深，便于教师根据不同情况选择教学内容。同时讲解详细，配有丰富的图表和例题，有助于读者阅读与理解。提供了习题和计算机作业，供学习时使用。
《模式识别导论》可作为高等院校电子信息类专业高年级本科生和研究生的教材，也可供从事模式识别工作的广大科技人员参考。
第1章 绪论 1
1.1 模式和模式识别的概念2
1.2 模式识别系统4
1.2.1 简例4
1.2.2 模式识别系统组成7
1.3 模式识别概况8
1.3.1 模式识别发展简介8
1.3.2 模式识别分类8
1.4 模式识别的应用10
第2章 聚类分析 13
2.1 距离聚类的概念14
2.2 相似性测度和聚类准则15
2.2.1 相似性测度15
2.2.2 聚类准则18
2.3 基于距离阈值的聚类算法20
2.3.1 近邻聚类法20
2.3.2 优选最小距离算法21
2.4 层次聚类法23
2.5 动态聚类法27
2.5.1 K-均值算法27
2.5.2 迭代自组织的数据分析算法30
……
