L'origine de cet ouvrage se situe dans les enseignements de reconnaissance des formes donnés par les auteurs essentiellement à l'Université François Rabelais de Tours (France), à l'Université du Québec à Montréal (Canada-Québec), à l'Université de Blida (Algérie) et à l'Université Paul Sabatier de Toulouse (France).

J.P. Asselin de Beauville a crée l'enseignement de reconnaissance des formes à l'Université de Tours dans le cadre de la Maîtrise des sciences et techniques d'informatique appliquée à la production industrielle (MST IAPI) en 1982. Il a ensuite donné cet enseignement jusqu'en 1991, date à laquelle la MST a été transformée en diplôme d'Ingénieur en Informatique pour l'Industrie. Le cours de reconnaissance des formes fut placé sous sa responsabilité de 1991 à 1997, date à laquelle il fut détaché à l'Agence Universitaire de la Francophonie à Montréal (Canada-Québec). J.P. Asselin de Beauville a aussi donné cet enseignement de 1991-1992 à 1993-1994 dans le cadre du Diplôme d'Etudes Approfondies "Automatique et Génie informatique" des universités d'Angers, de La Rochelle, de Limoges, d'Orléans, de Poitiers et de Tours. Il a, enfin, ponctuellement effectué l'enseignement de cette spécialité dans le cadre du Magistère "Modélisation et Techniques de Décision" de l'Université de Blida (Algérie) et lors de la seconde Ecole maghrébine d'informatique de l'Université d'Annaba (Algérie) en 1993. En 2002, il donna le cours de reconnaissance des formes en Maîtrise d'informatique à l'Université du Québec à Montréal (Canada-Québec).

Cet ouvrage est donc le fruit de ces différents enseignements et doit donc, en partie, son contenu aux nombreux étudiants avec qui les auteurs ont eu à interagir. Qu'ils en soient tous remerciés ici. Il a l'ambition de donner à ses lecteurs la culture de base nécessaire à la compréhension et à la mise en oeuvre des méthodes de reconnaissance artificielle. Il décrit les différentes techniques utilisées dans un formalisme mathématique rigoureux.

Les concepts exposés dans cet ouvrage ne requièrent que la connaissance des bases du calcul des probabilités et des statistiques, ainsi que celles de l'analyse mathématique, soient schématiquement, à celles d'un premier cycle scientifique universitaire.

• Introduction à la reconnaissance des formes
• Théorie bayésienne de la décision
• Apprentissage du classifieur de Bayes
• Classification automatique
• Le classifieur des k plus proches voisins (kppv)
• Les algorithmes évolutionnaires
• Arbres de décision
• Apprentissage de règles
• Les réseaux de neurones artificiels
• Les modèles de Markov cachés
• Discrimination fonctionnelle