1、貝葉斯決策
分類器的設計
先驗概率和後驗概率
最小風險貝葉斯判別
2、概率密度函式估計
引數估計
貝葉斯估計
最大似然估計
非引數估計方法
3、線性判別函式
線性判別函式設計的一般步驟
線性分類器
fisher線性判別
感知準則函式
決策樹4、聚類分析
k均值方法
迭代自組織的資料分析方法
5、模糊模式識別：主要引入模糊數學中的隸屬度的概念
最大隸屬原則
擇近原則
6、支援向量機
這些演算法的思想和概念都很值得學習,在當今熱門的網際網路和軟體產品中應用廣泛。
同時也是區分乙個卓越的工程師和三流工程師的界限,這就是讀研究生的價值。
讀研究生的價值,還有你有時間和勇氣突破從前的自己,在某乙個領域有深入研究和產品,如chaoos
模式識別總結 上
本總結參考國外名著 模式識別 第四版和張學工編著得 模式識別 第三版，以及電子科技大學ppt複習總結而成。一 線性分類幾種情況 最大後驗概率分類就是最小錯誤概率分類。最小錯誤概率分類是最小代價分類的特例 當代價為0 1損失函式時 引數估計 估計似然函式確定時，為貝葉斯估計 似然函式型別已知 引數估計...
模式識別 統計模式識別（6）
上一節，我們討論了最小錯誤率分類器，接下來這一節我們將討論最小風險bayes分類器。1.問題提出 1.最小錯誤率bayes決策的最小錯誤率 概率意義上最優，在工程上是否是最優?2.錯誤分類的結果 代價或風險會是怎樣的？考慮癌細胞影象識別的例子 3.出錯的可能情況 正常細胞 1錯分為異常 2，異常細胞...
模式識別 統計模式識別（7）
上兩節我們介紹了最小錯誤率和最小風險bayes分類器，接下來談談最小最大決策。1.問題提出 假設c 2 現在我們假定一種情況，先驗概率未知或者不確定的前提，在這種前提下，絕對意義的最小風險不存在，這種情況下我們怎麼求bayes分類器。2.求解思路 雖然p 1 和p 2 未知，但我們可以假設他們確定，...