          模式識(shí)別與機(jī)器學(xué)習(xí)培訓(xùn)

01
第一章 模式識(shí)別基本概念

1.1 什么是模式識(shí)別
1.2 模式識(shí)別數(shù)學(xué)表達(dá)
1.3 特征向量的相關(guān)性
1.4 機(jī)器學(xué)習(xí)基本概念
1.5 模型的泛化能力
1.6 評(píng)估方法與性能指標(biāo)
02
第二章 基于距離的分類(lèi)器

2.1 MED分類(lèi)器
2.2 特征白化
2.3 MICD分類(lèi)器
03
第三章 貝葉斯決策與學(xué)習(xí)

3.1 貝葉斯決策與MAP分類(lèi)器
3.2 MAP分類(lèi)器：高斯觀測(cè)概率
3.3 決策風(fēng)險(xiǎn)與貝葉斯分類(lèi)器
3.4 大似然估計(jì)
3.5 大似然的估計(jì)偏差
3.6 貝葉斯估計(jì)（1）
3.7 貝葉斯估計(jì)（2）
3.8 KNN估計(jì)
3.9 直方圖與核密度估計(jì)
04
第四章 線性判據(jù)與回歸（一）

4.1 線性判據(jù)基本概念
4.2 線性判據(jù)學(xué)習(xí)概述
4.3 并行感知機(jī)算法
4.4 串行感知機(jī)算法
4.5 Fisher線性判據(jù)
4.6 支持向量機(jī)基本概念
4.7 拉格朗日乘數(shù)法
4.8 拉格朗日對(duì)偶問(wèn)題
4.9 支持向量機(jī)學(xué)習(xí)算法
05
第五章 神經(jīng)網(wǎng)絡(luò)

5.1 神經(jīng)網(wǎng)絡(luò)的概念
5.2 BP算法
5.3 深度學(xué)習(xí)