【教学课件】武汉理工大学 模式识别

1.1模式识别的基本概念

1.2应用模式识别具体解决实际问题

1.3模式识别的一般过程

2.1相似性测度

2.2机器学习与模式识别：K-均值算法(实验篇)

2.3基于阈值的聚类算法

2.4层次聚类法

2.5 K均值聚类算法

3.1线性判别函数

3.2广义线性判别函数

3.3线性判别函数的几何性质

3.4机器学习与模式识别：线性回归算法与感知器(实验篇)

3.5感知器算法

3.6梯度法

3.7均方误差最小算法

3.8机器学习与模式识别：支持向量机(实验篇)

4.1机器学习与模式识别：朴素贝叶斯算法(实验篇)

4.2最小错误贝叶斯决策

4.3最小风险贝叶斯决策

4.4最大似然估计