课件内容：
第一章 绪论
第一讲 模式与模式识别
第二讲 模式识别的主要方法
第三讲 模式识别系统的应用举例
第四讲 模式识别系统的典型构成
第一章绪论部分的单元测试
第二章 贝叶斯决策理论
第一讲 贝叶斯决策基础
第二讲 基于最小错误率的贝叶斯决策
第三讲 基于最小风险的贝叶斯决策
第四讲 贝叶斯分类器的设计
第五讲 正态分布时的统计决策
第六讲 matlab代码演示实例
贝叶斯决策理论测试（一）
第三章 概率密度函数的估计
第一讲 最大似然估计
第二讲 贝叶斯估计
第三讲 贝叶斯学习
概率密度函数的估计的单元测试
第四章 线性分类器
第六讲 感知器算法实例
第七讲 感知器算法matlab演示
第八讲 最小平方误差判别
第一讲 引言
第二讲 线性判别函数的基本概念
第三讲 Fisher线性判别
第四讲 Fisher线性判别matlab演示
第五讲 感知器算法
关于感知器算法和最小平方误差判别的测验
关于fisher线性判别准则的测验
第五章 非线性分类器
第一讲 分段线性判别函数
第二讲 二次判别函数
第三讲 神经网络的基础知识和BP神经网络
第四讲 神经网络参数的确定
第五讲 多层神经网络在模式识别中的应用方法
第六讲 BP神经网络的matlab实例
单元测试（三）
单元测试（一）
单元测试（二）
第六章 其他分类方法
第一讲 近邻法原理
第二讲 快速搜索近邻法
第三讲 剪辑近邻法
第四讲 压缩近邻法
近邻法的测试
第七章 决策树
第一讲 决策树
第二讲 id3算法
第三讲 随机森林
决策树的测试
第八章 非监督模式识别
第一讲 动态聚类方法
第二讲 分级聚类方法
非监督模式识别测试题
第九章 特征选择和特征提取
第一讲 特征选择和提取的基本概念
第二讲 特征选择的判据
第三讲 特征选择的最优和次优算法
第四讲 特征提取的PCA算法
第五讲 K-L变换
第六讲 特征提取的matlab演示实例
特征提取的单元测试
特征选择的测试题目
第十章 模式识别系统的评价
第一讲 监督模式识别中错误率的估计方法
第二讲 监督模式识别中的交叉验证及自举法
第三讲 影响分类器性能估计的其它因素
第四讲 非监督模式识别系统性能的评价
系统评价的测试
《模式识别》PPT课件 青岛大学 胡曼冬
资源下载
资源下载
