文献[3] 智能控制是近年来控制界新兴的研究领域,是一门边缘交叉学科。自1985年在纽约召开第一届智能控制学术会议至今,智能控制已经被广泛应用于工业、农业、服务业、军事航空等众多领域。智能控制是自动控制发展的高级阶段,为解决那些用传统方法难以解决的复杂系统的控制问题提供了有效的理论和方法。它处于控制科学的前沿领域,代表着自动控制科学发展的最新进程。

文献[4] 本文围绕模式分类这个模式识别的核心问题概述了近年来在概率密度估计、特征选择和变换、分类器设计等方面的重要研究进展，并分析了最近的发展趋势。由于本人对模式识别认识有限，对模式识别的其他问题，包括分割、上下文处理、计算机视觉、以及重要的应用领域（语音识别、文字识别、生物特征识别等）没有展开阐述。

文献[5] 主要总结了近年来模糊控制系统的研究与发展，介绍了最近模糊控制系统研究的一些主要方面及研究成果，分析了它们的优缺点，并探讨了这一研究领域的研究趋向。介绍了智能控制的发展历史与现状，智能控制与传统控制的比较，智能控制的主要方法与当前的研究热点，智能控制系统的定义及其实现智能控制系统的计算机辅助设计语言，智能控制在火电厂的应用，今后智能控制需要加强的研究工作。

文献[6] 本课题开始主要研究关联规则数据挖掘算法，主要是关于Apriori算法的详细分关联析，主要要使用到支持度、置信度、相关度这三个参数。其次是在实际的操作中，关联规则的运用对于客户满意度的提升状况分析。最后通过运用关联规则取得一系列数据之后分析得出关联规则对于客户满意度提升的重要性，针对当前普遍存在的问题进行改进，增加企业销售量，提高市场竞争力。

文献[7] 介绍了模式识别里面的一些基本概念，模式识别是一个多领域的交叉学科，它涉及人工智能、统计学、计算机科学、工程学、医学等众多的研究问题。例如，语音识别、字符识别、医学图像识别、医疗诊断、商品销售分析等，吸引了众多的研究人员，且人们提出了许多新方法。在20世纪80年代，基于知识的系统和神经网络发展迅速。近年来，在概率和统计交叉的领域取得重大进展，例如，核函数方法的核贝叶斯计算方法。到目前为止，模式识别理论和技术还远未完善，尚有很多课题有待人们去研究和探索。

文献[8] 图像为人们记录了越来越多的信息,这些信息涉及到工作、生活等方方面面,图像识别因此逐渐成为人们在模式识别领域中所重点关注的方向。基于图特征的图像识别方法作为图像识别方向中的一类有效而常用的方法,被众多学者所研究从而得到了长足的发展。针对现有的该类方法对于存在非刚性变换的图结构难以充分描述这一问题,在综述研究现状及介绍相关技术的基础上,提出了三种不同的描述图结构及相应的距离度量方法,致力于更加准确地进行图像的识别工作。

文献[9] 当先验概率和代价函数均为梯形模糊数时，在贝叶斯最小风险准则意义下，研究了在融合中心对多个独立传感器的决策进行最优融合的问题，给出了四种决策融合算法，通过仿真和比较这四种融合算法的结果，找到了一种最适用于这种场合的最优决策融合算法结果表明，在先验概率和代价函数均为梯形模糊数情况下所导出的最优决策融合规则是各检测器决策的加权和与一门限之比较，权重是各检测器检测概率和虚警概率的函数，门限除与最优融合准则、先验概率和代价函数有关外，还与使用的去模糊方法有关．

文献[10] 介绍什么是数据挖掘，什么是数据库中知识发现。书中的材料从数据库角度提供，特别强调发现隐藏在大型数据集中有趣数据模式的数据挖掘基本概念和技术。所讨论的实现方法主要面向可规模化的、有效的数据挖掘工具开发。本章，你将学习数据挖掘如何成为数据库技术自然进化的一部分，为什么数据挖掘是重要的，以及如何定义数据挖掘。你将学习数据挖掘系统的一般结构，并考察挖掘的数据种类，可以发现的数据类型，以及什么样的模式提供有用的知识。除学习数据挖掘系统的分类之外，你将看到建立未来的数据挖掘工具所面临的挑战性问题。 模式识别文献综述和参考文献(2):http://www.youerw.com/wenxian/lunwen_45820.html