本书是模式识别和场景分析领域奠基性的经典名著。在第2版中，除了保留了第1版的关于统计模式识别和结构模式识别的主要内容以外，读者将会发现新增了许多新理论和新方法，其中包括神经网络、机器学习、数据挖掘、进化计算、不变量理论、隐马尔可夫模型、统计学习理论和支持向量机等。本书还为模式识别未来的发展指明了方向。书中包含许多实例，各种不同方法的对比，丰富的图表，以及大量的课后习题和计算机练习。本书主要面向电子工程、计算机科学、数学和统计学、媒体处理、模式识别、计算机视觉、人工智能和认知科学等领域的研究生和高年级本科生，也可作为相关领域科技人员的重要参考书。
译者序
前言
第1章绪论
1.1机器感知
1.2一个例子
1.3模式识别系统
1.3.1传感器
1.3.2分割和组织
1.3.3特征提取
1.3.4分类器
1.3.5后处理
1.4设计循环
1.4.1数据采集
1.4.2特征选择
1.4.3模型选择
1.4.4训练
1.4.5评价
……
理查德·O.杜达（Richard O.Duda） 圣何塞州立大学电气工程系荣休教授，以其在声音定位和模式识别方面的工作而闻名。美国人工智能学会会士、IEEE会士。拥有麻省理工学院博士学位。
皮特·E.哈特（Peter E. Hart） 加州理光发明（Ricoh Innovations）公司创始人、总裁，在此之前曾任理光加州研究中心高级副总裁。美国人工智能学会会士、IEEE会士，曾获IEEE信息论协会50周年论文奖。
大卫·G.斯托克（David G. Stork） 加州理光发明公司首席科学家，斯坦福大学电气工程与计算机科学系客座教授。国际模式识别学会会士、IEEE会士。拥有马里兰大学博士学位。
