很好的一篇綜述型文章，作者Anil K. Jain等
目錄結構
1 介紹
1.1 何爲模式識別
1.2 模板匹配
1.3 統計方法
1.4 語義方法
1.5 神經網絡
2 統計模式識別
數字識別的可用特徵集（30*48的圖像）：1）76個字符形狀的Fourier係數 2）216個輪廓關係 3）64個KL係數 4）240個2*3窗口象素平均值 5）47 Zernike moment 6）6 morphological 特徵。
HANDWRITTEN DIGIT RECOGNITION BY COMBINED CLASSIFIER
3 維數曲線以及peaking phenomena
4 維縮減
4.1 特徵抽取
4.2 特徵選擇
5 分類器介紹
6 分類器合併
6.1 選擇和訓練單個分類器
分類器之間越不相關越好
6.2 合併
6.3 合併的理論分析
6.4 一個例子
nearest mean method
7 誤差評估
特定訓練數據測試數據集上的誤差是個隨機數
8 無監督分類器
記住：1）每個聚類算法都將在數據集上找到聚類，不管原來有沒有聚類 2）沒有一個最優的聚類問題。實驗不同的聚類算法，數據收集，表示，規則化聚類驗證和聚類算法選擇同等重要。
8.1 平方誤差聚類
Mahalanobis 距離 -〉hyper-ellipsoidal shaped clusters
8.2 混合分解
8.2.1 基本定義
8.2.2 EM算法
8.2.3 組件個數估算
9 討論
9.1 模式識別研究的前線
9.2 重要的結論
讀後感：
1.三種分類器：基於相似性的，基於概率的，基於分類邊界的
2.選取的特徵不是越多越好（當訓練數據一定時）