论坛元老
- 威望
- 0
- 贡献
- 61
- 热心值
- 1
- 金币
- 3418
- 注册时间
- 2020-8-31
|
课程介绍：
模式识别就其学术内涵，是一门数据处理、信息分析的学科，就其应用特征讲，属于人工智能、机器学习范畴。 模式识别课程是本科生信息工程及相关专业的专业基础课，也是许多其它专业的选修课, 在知识结构中占有很重要的位置。对于巩固已学知识、开展专业课学习及未来工作具有重要意义。
课程目录：
01.概述
02.特征矢量及特征空间、随机矢量、正态分布特性
03.聚类分析的概念、相似性测度
04.相似性测度（二）
05.类间距离、准则函数
06.聚类算法：简单聚类算法、谱系聚类算法
07.聚类算法：动态聚类算法——C均值聚类算法
08.聚类算法：动态聚类算法——近邻函数算法
09.聚类算法实验
10.判别域界面方程分类的概念、线性判别函数
11.判别函数值的鉴别意义、权空间及解空间、fisher线性判别
12.线性可分条件下判别函数权矢量算法
13.一般情况下的判别函数权矢量算法
14.非线性判别函数
15.最近邻方法
16.感知器算法实验
17.最小误判概率准则
18.正态分布的最小误判概率、最小损失准则判决
19.含拒绝判决的最小损失准则、最小最大损失准则
20.Neyman—Pearson判决、实例
21.概述、矩法估计、最大似然估计
22.贝叶斯估计
23.贝叶斯学习24.概密的窗函数估计方法
25.有限项正交函数级数逼近法
26.错误率估计
27.小结
28.实验3-4-5 Bayes分类器-kNN分类器-视频动目标检测
29.概述、类别可分性判据（一）
30.类别可分性判据（二）
31.基于可分性判据的特征提取
32.离散KL变换与特征提取
33.离散KL变换在特征提取与选择中的应用
34.特征选择中的直接挑选法
35.综合实验-图像中的字符识别
|
|
发表于 2019-3-21 15:09
