这本书是跃向组件软件基本精神的跳板，不管你学习COM或是CORBA ，或是SOM，了解C++Object Model，将是你清楚软件组件设计上难点与应用之道。

：通过对传统小波多方向性缺失和Contourlet变换系数稀疏性的分析，提出运用方向性小波Contourlet分析纹理特征， 以自组特征映射神经网络(sOM)处理Contourlet变换系数的重组序列。对SOM 网络输出层codebook矩阵进行奇异值分解得 到纹理图像特征向量的方法进行纹理分类，在充分利用图像各尺度方向信息的基础上，有效提取了图像纹理特征。实验结 果表明，该方法分类效果显著

数据挖掘:聚类算法, Kmeans, SOM, PCA, HC

主要内容： 模式识别概论统计模式识别 模式识别基本概念、主要方法的各自特点、贝叶斯决策、概率密度估计、聚类分析 特征提取与特征选择 线性特征提取、各种准则和搜索算法 人工神经网络 多层前馈神经网络、RBF网络、自组织影射(SOM)等 核方法 支持向量机、核空间特征提取(KPCA, KFDA) 多分类器系统 分类器融合方法、Bagging, Boosting, ECOC 句法结构模式

自组织神经网络SOM作为一种无监督学习的竞争式网络，已经得到了广泛的应用，它通过对输入信号的竞争学习， 将样本划为不同的类别，但其分类效果常很难令人满意。提出了一种基于混合核函数的SOM神经网络改进方法，并和传统 的SOM网络进行了对比，Iris数据和Wine数据的分类实验表明，该方法可以明显改进SOM网络的分类效果。然后对某地 Landsat卫星遥感图像数据进行分类实验，实验结果表明，与传

ArcGIS Server部署方案,介绍SOM、SOC部署