模式识别总复习.ppt
《模式识别总复习.ppt》由会员分享,可在线阅读,更多相关《模式识别总复习.ppt(35页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、1模模 式式 识识 别别Pattern Recognition吴贵芳吴贵芳2总复习总复习3考试相关事项考试相关事项u1.严格考试纪律,注意独立思考,不严格考试纪律,注意独立思考,不要有任何武弊的念头及行为。要有任何武弊的念头及行为。u2.开卷考试,每位同学带足自己的相开卷考试,每位同学带足自己的相关资料,考试过程中,只允许查看自关资料,考试过程中,只允许查看自己的资料,不允许互相转借。己的资料,不允许互相转借。u3.考试时间充足,考试时间充足,120分钟,不用着分钟,不用着急。急。u4.题型:填空、简答与综合实验题。题型:填空、简答与综合实验题。4主要内容主要内容u1.掌握模式、模式识别的概念
2、,理解掌握模式、模式识别的概念,理解模式识别系统构成的三个单元、基于模式识别系统构成的三个单元、基于统计模式识别系统的统计模式识别系统的4个主要构成部个主要构成部分、模式识别系统设计的五个步骤等。分、模式识别系统设计的五个步骤等。u2.理解贝叶斯决策的含义,掌握关键理解贝叶斯决策的含义,掌握关键名词的意义,比如风险、先验概率、名词的意义,比如风险、先验概率、后验概率、损失、损失函数等,能正后验概率、损失、损失函数等,能正确利用贝叶斯决策判断模式类别,。确利用贝叶斯决策判断模式类别,。5主要内容主要内容u3.理解概率密度函数估计的相关内容,理解概率密度函数估计的相关内容,重点掌握参数估计的过程,
3、包括非监重点掌握参数估计的过程,包括非监督参数估计和监督参数估计,能计算督参数估计和监督参数估计,能计算贝叶斯估计和最大似然估计。贝叶斯估计和最大似然估计。u4.掌握特征的概念,知道特征提取以掌握特征的概念,知道特征提取以及特征选择的含义以及异同,能熟练及特征选择的含义以及异同,能熟练利用利用K-L变换进行降维操作。变换进行降维操作。6主要内容主要内容u5.掌握线性判别的含义、分类原理等,掌握线性判别的含义、分类原理等,能利用不同的方法对两类问题进行分能利用不同的方法对两类问题进行分类判别,尤其需要掌握类判别,尤其需要掌握Fisher判别的判别的原理及步骤,能对线性样本进行分类。原理及步骤,能
4、对线性样本进行分类。u6.掌握非监督学习方法的概念及用途,掌握非监督学习方法的概念及用途,了解非监督学习方法的两种基本方法,了解非监督学习方法的两种基本方法,知道投影法的原理。重点掌握知道投影法的原理。重点掌握K-Means算法的原理及过程,能熟练使算法的原理及过程,能熟练使用该算法对数据进行分类。用该算法对数据进行分类。7主要内容主要内容u7.了解人工神经网络的概念及历史,了解人工神经网络的概念及历史,能熟练分析人工神经元模型及其工作能熟练分析人工神经元模型及其工作全过程,掌握基本的人工神经网络算全过程,掌握基本的人工神经网络算法,重点掌握法,重点掌握BP神经网络算法的实现神经网络算法的实现
5、过程,能利用人工神经网络对现实生过程,能利用人工神经网络对现实生活中的具体系统进行设计与实现。活中的具体系统进行设计与实现。u8.掌握模糊集的相关概念,包括模糊掌握模糊集的相关概念,包括模糊集、隶属函数、隶属度、台、独点集、集、隶属函数、隶属度、台、独点集、水平集等,能对模糊集进行并集、交水平集等,能对模糊集进行并集、交集、补集的操作,并能利用水平集进集、补集的操作,并能利用水平集进行模糊模式分类。行模糊模式分类。8主要内容主要内容u9.掌握统计模式识别的基本思想,理掌握统计模式识别的基本思想,理解解SVM算法的原理,知道三种最基本算法的原理,知道三种最基本的核函数构造方法,能熟练使用的核函数
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 模式识别 复习
限制150内