《模式识别与智能计算——matlab技术实现（第2版）》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。全书共分为14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（bp神经网络、径向基函数神经网络、自组织竞争神经网络、概率神经网络、对向传播神经网络、反馈型神经网络），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,蚁群算法聚类分析,粒子群算法聚类分析。
《模式识别与智能计算——matlab技术实现（第2版）》内容新颖，实用性强，理论与实际应用密切结合，以手写数字识别为应用实例，介绍理论运用于实践的实现步骤及相应的matlab代码，为广大研究工作者和工程技术人员对相关理论的应用提供借鉴。
《模式识别与智能计算——matlab技术实现（第2版）》可作为高等院校计算机工程、信息工程、生物医学工程、智能机器人学、工业自动化、模式识别等学科研究生、本科生的教材或教学参考书，亦可供有关工程技术人员参考。

目录:

第1章模式识别概述
第2章特征的选择与优化
第3章模式相似性测度
第4章基于概率统计的贝叶斯分类器设计
第5章判别函数分类器设计
第6章神经网络分类器设计
第7章决策树分类器设计
第8章粗糙集分类器设计
第9章聚类分析
第10章模糊聚类分析
第11章禁忌搜索算法聚类分析
第12章遗传算法聚类分析
第13章蚁群算法聚类分析
第14章粒子群算法聚类分析