本书广泛吸取统计学、神经网络、数据挖掘、机器学习、人工智能、群智能计算等学科的先进思想和理论, 将其应用到模式识别领域中; 以一种新的体系, 系统、全面地介绍模式识别的理论、方法及应用。全书分为13章, 内容包括: 模式识别概述, 特征的选择与优化, 模式相似性测度, 基于概率统计的贝叶斯分类器设计, 判别函数分类器设计, 神经网络分类器设计, 决策树分类器设计, 粗糙集分类器设计, 聚类分析, 模糊聚类分析, 禁忌搜索算法聚类分析, 遗传算法聚类分析, 粒子群算法聚类分析, Memetic算法仿生计算。