模式識別重點

模式識別重點本次模式識別試題有三種題型，共10道，簡答5道，計算3道，設(shè)計分析2道。目錄TOC\o"1-2"\h\u2516502模式識別課件-第二次課-貝葉斯決策理論 26695P28-P29:基于最小風(fēng)險的貝葉斯決策 210298P12-P27:可參考 3717703模式識別課件-第三次課-概率密度函數(shù)的估計（part1） 1127064P80:ML估計和Bayesian估計的比較 111530505模式識別課件-第五次課-線性判別函數(shù) 1212520P59:閾值，用y0（1）計算 1231109P60-P61:Fisher方法實現(xiàn)步驟 1210734P63-P66:例題 131315706PR課件-非線性判別函數(shù)partI 1623197P38-P39：K-近鄰法 167952P40：例子，K不同，周圍樣本如何變化 1721655P42：近鄰法的錯誤率，誤差的上下界 182248108PR課件-特征選擇與提取partI 197526P13-P15：特征選擇與特征提取 1928365P16：例子 20929909PR課件-特征選擇與提取(partII) 215626P67-P68：模式識別系統(tǒng)設(shè)計 21718010PR課件-無監(jiān)督學(xué)習(xí)與聚類 22948P81-P94：分級聚類方法 2232337P84：樹圖 2323593P87:相似性度量方法 252925413PR課件-機(jī)器學(xué)習(xí)partII 295872P27-P33：支持向量機(jī) 2921022P49-P50:SVM的特點 321907714PR課件-神經(jīng)網(wǎng)絡(luò) 3413102P21-P26：M-P神經(jīng)元模型 3421637P33-P34：激活函數(shù) 3711194P47-P48：多神經(jīng)元感知器（注意如何做到無拒實） 3819674P51：異或問題 3911250P57-P59：思考題 3902模式識別課件-第二次課-貝葉斯決策理論P28-P29:基于最小風(fēng)險的貝葉斯決策P12-P27:可參考03模式識別課件-第三次課-概率密度函數(shù)的估計（part1）P80:ML估計和Bayesian估計的比較05模式識別課件-第五次課-線性判別函數(shù)P59:閾值，用y0（1）計算P60-P61:Fisher方法實現(xiàn)步驟P63-P66:例題06PR課件-非線性判別函數(shù)partIP38-P39：K-近鄰法P40：例子，K不同，周圍樣本如何變化P42：近鄰法的錯誤率，誤差的上下界08PR課件-特征選擇與提取partIP13-P15：特征選擇與特征提取P16：例子09PR課件-特征選擇與提取(partII)P67-P68：模式識別系統(tǒng)設(shè)計10PR課件-無監(jiān)督學(xué)習(xí)與聚類P81-P94：分級聚類方法P84：樹圖P87:相似性度量方法13PR課件-機(jī)器學(xué)習(xí)partIIP27-P33：支持向量機(jī)P49-P50:SVM的特點14PR課件-神經(jīng)網(wǎng)絡(luò)P21-P26：M-P神經(jīng)元模型P33-P34