计算机技术硕士模式识别课件

计算机技术硕士模式识别课程课件。 第一章：模式识别概述：模式识别的基本概念，模式识别系统，模式识别的发展和应用，模式识别的研究方法；模式识别应用：生物特征识别。 第二章：线性判别函数：引言；感知准则函数和梯度下降法；最小平方误差准则函数，分段线性判别函数；Fisher线性判别函数，支持向量机； 第三章：Bayes决策理论：引言；基于最小错误概率的Bayes决策理论；基于最小风险的Bayes决策；Bayes分类器和判别函数；正态分布时的Bayes决策法则。 第四章：近邻法与聚类：近邻法则的一般概念，K－近邻法；快速近邻法；聚类：样本间相似性的度量；聚类的准则函数，分级聚类算法；动态聚类算法。 第五章：模式特征的抽取与选择：模式特征概念，多个分布的特征选择，特征抽取的方法举例； 第六章：模糊数学在模式识别中的应用：模糊集合论的基本概念、原理及在模式识别中的应用 第七章：神经网络在模式识别中的应用：神经网络的基本概念、原理及在模式识别中的应用；