本书全面阐述了模式识别的基础理论、*方法以及各种应用。讨论了贝叶斯分类、贝叶斯网络、线性和非线性分类器设计、特征生成、特征选取技术、学习理论的基本概念以及聚类概念与算法。与前一版相比，增加了大数据集和高维数据相关的*算法，提供了*的分类器和鲁棒回归的核方法。新增一些热点问题，如非线性降维、非负矩阵因数分解、关联性反馈、鲁棒回归、半监督学习、谱聚类和聚类组合技术。每章均提供有习题与练习，用MATLAB求解问题，给出一些例题的多种求解方法；且支持网站上提供有习题解答，以便于读者增加实际经验。

第Ⅰ部分 敏捷开发 第一章 敏捷实践 1.1 敏捷联盟 1.2 原则 1.3 结论 参考文献 第二章 极限编程概述 2.1 极限编程实践 2.2 结论 参考文献 第三章 计划 3.1 初始探索 3.2 发布计划 3.3 迭代计划 3.4 任务计划 3.5 迭代 3.6 结论 参考文献 第四章 测试 4.1 测试驱动的开发方法 4.2 验收测试 4.3 结论 参考文献 第五章 重构 5.1 素数产生程序一个简单的重构示例 5.2 结论 参考文献 第六章 一次编程实践 6.1 保龄球比赛 6.2 结论 第Ⅱ部分 敏捷设计 第七章 什么是敏捷设计 7.1 软件出了什么错 7.2 设计的臭味——腐化软件的气味 7.3 “Copy”程序 7.4 保持尽可能好的设计 7.5 结论 参考文献 第八章 单一责任原则（SRP） 8.1 单一职责原则（SRP） 8.2 结论 参考文献 第九章 开放—封闭原则（OCP） 9.1 开放—封闭原则（OCP） 9.2 描述 9.3 关键是抽象 9.4 结论 参考文献 第十章 Liskov替换原则（LSP） 10.1 Liskov替换原则（LSP） 10.2 一个违反LSP的简单例子 10.3 正方形和矩形，更微妙的违规 10.4 一个实际的例子 10.5 用提取公共部分的方法代替继承 10.6 启发式规则和习惯用法 10.7 结论 参考文献 第十一章 依赖倒置原则（DIP） 11.1 依赖倒置原则（DIP） 11.2 层次化 11.3 一个简单的例子 11.4 熔炉示例 11.5 结论 参考文献 第十二章 接口隔离原则（ISP） 12.1 接口污染 12.2 分离客户就是分离接口 12.3 接口隔离原则（ISP） 12.4 类接口与对象接口 12.5 ATM用户界面的例子 12.6 结论 参考文献 第Ⅲ部分 薪水支付案例研究 第十三章 COMMAND模式和ACTIVE OBJECT模式 第十四章 TEMPLATE METHOD模式和STRATEGY模式：继承与委托 第十五章 FACADE模式和MEDIATOR模式 第十六章 SINGLETON模式和MONOSTATE模式 第十七章 NULL OBJECT模式 第十八章 薪水支付案例研究：第一次迭代开始 第十九章 薪水支付案例研究：实现 第Ⅳ部分 打包薪水支付系统 第二十章 包的设计原则 第二十一章 FACTORY模式 第二十二章 薪水支付案例研究（第2部分） 第Ⅴ部分 气象站案例研究 第二十三章 COMPOSITE模式 第二十四章 OBSERVER模式——回归为模式 第二十五章 ABSTRACT SERVER模式、ADAPTER模式和BRIDGE模式 第二十六章 PROXY模式和STAIRWAY TO HEAVEN模式：管理第三方API 第二十七章 案例研究：气象站 第Ⅵ部分 ETS案例研究 第二十八章 VISITOR模式 第二十九章 STATE模式 第三十章 ETS框架 附录 附录A UML表示法Ⅰ：CGI示例 附录B UML表示法Ⅱ：统计多路复用器 附录C 两个公司的讽刺小品 附录D 源代码就是设计 索引

是我看过比较简单的讲解了！

双地址模式 I2C工作从从模式下，可进行双 地址确认 寻址模式的设定 双地址模式使能 只能用于7位地址模式

注:英文版 作者：Martin Fowler 本书作者是当今面向对象软件开发的权威，他在一组专家级合作者的帮助下，将40多种经常出现的解决方案转化成模式，最终写成这本能够应用于任何一种企业应用平台的、关于解决方案的、不可或缺的手册。本书获得了2003年度美国软件开发杂志图书类的生产效率奖和读者选择奖。本书分为两大部分。第一部分是关于如何开发企业应用的简单介绍。第二部分是本书的主体，是关于模式的详细参考手册，每个模式都给出使用方法和实现信息，并配以详细的Java代码或C#代码示例。此外，整本书中还用了大量UML图来进一步阐明有关概念。 本书是为致力于设计和构建企业应用的软件架构师、设计人员和编程人员而写的，同时也可作为高等院校计算机专业及软件学院相关课程的参考教材。

K均值的时间复杂度为NKTD，其中，N代表样本个数，K代表k值，即聚类中心点个数，T代表循环次数，D代表样本数据的维度。 本算法的改进主要在以下方面： 一， 初始聚类中心点，传统的初始中心点是随机选择，由于K均值算法受初始中心点影响较大，为获得更好的效果，在本方法中，先将数据采用层次聚类的方法预处理，得到的k个中心点作为K均值算法的中心点。 二， 传统的聚类中心点更新是在结束一次循环后，本方法的聚类中心采用实时更新策略，即每次将一个模式归于一个新的聚类中心时，即立刻更新新的所属中心和原属聚类中心的中心值，增强算法的收敛性。 三， 为达到类内方差最小化，类类方差最大化这一原则，考虑到往往设定的K值不一定能很好实现聚类效果，故将以往的固定聚类中心改为一浮动区间。原有K为最小聚类中心个数，另设一聚类中心个数上限maxK。其具体实现如下： 1） 当一待聚类的模式得到其最近中心时，计算该聚类中心类内方差和将此模式归于该中心之后的类内方差，如果两者差别大于某设定阈值，则以该模式数据为基础，得到一新的聚类中心。 2） 当当前聚类中心个数等于设定的最大聚类中心时，合并最相邻的两个聚类。为使得到的聚类效果更为均衡，应该优先合并维度较小的聚类类别。

.net进阶必备

参考大话设计模式书籍

C#设计模式之观察者模式的应用实例。

使用spring框架，工厂模式的IoC应用，非常简单的小例子。