国防科技大学《模式识别》蔡宣平视频教程

01.概述

02.特征矢量及特征空间、随机矢量、正态分布特性

03.聚类分析的概念、相似性测度

04.相似性测度（二）

05.类间距离、准则函数

06.聚类算法：简单聚类算法、谱系聚类算法

07.聚类算法：动态聚类算法——C均值聚类算法

08.聚类算法：动态聚类算法——近邻函数算法

09.聚类算法实验

10.判别域界面方程分类的概念、线性判别函数

11.判别函数值的鉴别意义、权空间及解空间、fisher线性判别

12.线性可分条件下判别函数权矢量算法

13.一般情况下的判别函数权矢量算法

14.非线性判别函数

15.最近邻方法

16.感知器算法实验

17.最小误判概率准则

18.正态分布的最小误判概率、最小损失准则判决

19.含拒绝判决的最小损失准则、最小最大损失准则

20.Neyman—Pearson判决、实例

21.概述、矩法估计、最大似然估计

22.贝叶斯估计

23.贝叶斯学习

24.概密的窗函数估计方法

25.有限项正交函数级数逼近法

26.错误率估计

27.小结

28.实验3-4-5 Bayes分类器-kNN分类器-视频动目标检测

29.概述、类别可分性判据（一）

30.类别可分性判据（二）

31.基于可分性判据的特征提取

32.离散KL变换与特征提取

33.离散KL变换在特征提取与选择中的应用

34.特征选择中的直接挑选法

35.综合实验-图像中的字符识别