视频职称：教授
单位：杭州电子科技大学
部门：计算机学院
人工智能与模式识别3班-研究生
杭州电子科技大学
主讲教师：李平
教师团队：共1位
- 李平
人工智能与模式识别是20世纪70年代以来迅速发展起来的一门新兴学科，属于信息、控制和系统科学的范畴。模式识别就是利用计算机对某些物理现象进行分类，在错误概率最小的条件下，使识别的结果尽量与事物相符。 模式识别技术主要分为两大类：基于决策理论的统计模式识别和基于形式语言理论的句法模式识别。模式识别的原理和方法在工程、医学、军事等众多领域应用十分广泛。本课程着重讲述模式识别的基本概念，基本方法和算法原理，注重理论与实践紧密结合，通过大量实例讲述如何将所学知识运用到实际应用之中去。课程的教学目的是让学生掌握统计模式识别基本原理和方法，使学生具有初步解决工程中的模式识别问题及深入研究有关信息工程其他领域问题的能力。
…
| 课程章节 | | 文件类型 | | 修改时间 | | 大小 | | 备注 | |
| 1.1 模式与模式识别 |
视频
.mp4
|
2023-12-19 | 218.91MB | ||
| 1.2 模式识别的主要方法 |
视频
.mp4
|
2023-12-19 | 70.61MB | ||
| 1.3 监督与非监督模式识别 |
视频
.mp4
|
2023-12-19 | 137.92MB | ||
| 1.4 模式识别系统举例 |
视频
.mp4
|
2023-12-19 | 164.35MB | ||
| 2.1 统计决策-硬币举例 |
视频
.mp4
|
2023-12-19 | 65.14MB | ||
| 2.2 最小错误率贝叶斯决策 |
视频
.mp4
|
2023-12-19 | 122.87MB | ||
| 2.3 最小风险贝叶斯决策 |
视频
.mp4
|
2023-12-19 | 78.39MB | ||
| 2.4 正态分布时的统计决策 |
视频
.mp4
|
2023-12-19 | 87.12MB | ||
| 2.5 朴素贝叶斯 |
视频
.mp4
|
2023-12-19 | 69.90MB | ||
| 3.1 概率密度函数估计-引言 |
视频
.mp4
|
2023-12-19 | 72.04MB | ||
| 3.2 最大似然函数的基本原理 |
视频
.mp4
|
2023-12-19 | 60.93MB | ||
| 3.3 最大似然估计的求解 |
视频
.mp4
|
2023-12-19 | 66.49MB | ||
| 3.4 正态分布下的最大似然估计 |
视频
.mp4
|
2023-12-19 | 54.67MB | ||
| 4.1 线性回归与线性判别函数 |
视频
.mp4
|
2023-12-19 | 99.75MB | ||
| 4.2 Fisher线性判别分析 |
视频
.mp4
|
2023-12-19 | 75.98MB | ||
| 4.3 感知器 |
视频
.mp4
|
2023-12-19 | 68.75MB | ||
| 4.4 罗杰斯特回归 |
视频
.mp4
|
2023-12-19 | 107.24MB | ||
| 4.5 多线性分类器 |
视频
.mp4
|
2023-12-19 | 87.61MB | ||
| 5.1 分段与二次线性判别函数 |
视频
.mp4
|
2023-12-19 | 137.26MB | ||
| 5.2 多层感知器神经网络 |
视频
.mp4
|
2023-12-19 | 151.92MB | ||
|
视频
.mp4
|
2023-12-19 | 137.24MB | |||
| 5.3 支持向量机 |
视频
.mp4
|
2023-12-19 | 143.29MB | ||
| 5.4 核函数机器 |
视频
.mp4
|
2023-12-19 | 97.35MB | ||
| 6.1 近邻法 |
视频
.mp4
|
2023-12-19 | 67.13MB | ||
| 6.2 决策树 |
视频
.mp4
|
2023-12-19 | 91.01MB | ||
| 6.3 集成学习 |
视频
.mp4
|
2023-12-19 | 62.76MB | ||
|
视频
.mp4
|
2023-12-19 | 48.84MB | |||
| 7.1 特征选择 |
视频
.mp4
|
2023-12-19 | 83.22MB | ||
| 7.2 基于类别可分性的特征提取 |
视频
.mp4
|
2023-12-19 | 399.58MB | ||
| 7.3 主成分分析 |
视频
.mp4
|
2023-12-19 | 79.84MB | ||
| 7.4 多维尺度法 |
视频
.mp4
|
2023-12-19 | 36.62MB | ||
| 7.5 非线性特征变换 |
视频
.mp4
|
2023-12-19 | 37.23MB | ||
| 7.6 tSNE降维可视化方法 |
视频
.mp4
|
2023-12-19 | 44.29MB | ||
| 8.1 基于模型的聚类 |
视频
.mp4
|
2023-12-19 | 57.63MB | ||
| 8.2 K均值算法 |
视频
.mp4
|
2023-12-19 | 62.34MB | ||
| 8.3 模糊聚类方法 |
视频
.mp4
|
2023-12-19 | 58.70MB | ||
| 8.4 自组织映射网络 |
视频
.mp4
|
2023-12-19 | 78.19MB | ||
| 9.1 人工神经网络回顾 |
视频
.mp4
|
2023-12-19 | 70.47MB | ||
| 9.2 卷积神经网络 |
视频
.mp4
|
2023-12-19 | 146.96MB | ||
| 9.3 循环神经网络 |
视频
.mp4
|
2023-12-19 | 77.24MB | ||
|
视频
.mp4
|
2023-12-19 | 65.36MB | |||
| 9.4 生成模型 |
视频
.mp4
|
2023-12-19 | 93.26MB | ||
|
视频
.mp4
|
2023-12-19 | 117.80MB | |||
| 9.5 深度学习常用技巧 |
视频
.mp4
|
2023-12-19 | 100.66MB | ||
| 9.6 应用实例 |
视频
.mp4
|
2023-12-19 | 106.87MB | ||
| 10.1 监督模式识别的性能评价 |
视频
.mp4
|
2023-12-19 | 99.13MB | ||
| 10.2 非监督模式识别的性能评价 |
视频
.mp4
|
2023-12-19 | 114.64MB | ||
| 11.1 模式识别软件平台介绍 |
视频
.mp4
|
2023-12-19 | 151.95MB | ||
| 11.2 模式识别应用实例 |
视频
.mp4
|
2023-12-19 | 120.59MB | ||
| 12.1 前沿专题一-动作检测A-时序 |
视频
.mp4
|
2023-12-19 | 200.89MB | ||
| 12.2 前沿专题一-动作检测B-时空 |
视频
.mp4
|
2023-12-19 | 200.83MB | ||
| 13.1 前沿专题二-模型压缩A-知识蒸馏 |
视频
.mp4
|
2023-12-19 | 97.65MB | ||
| 13.2 前沿专题二-模型压缩B-模型剪枝 |
视频
.mp4
|
2023-12-19 | 115.31MB | ||
| 14.1 前沿专题三-视频描述A-单语句 |
视频
.mp4
|
2023-12-19 | 77.16MB | ||
| 14.2 前沿专题三-视频描述B-多语句 |
视频
.mp4
|
2023-12-19 | 56.17MB | ||
| 15.1 前沿专题四-小样本分类A |
视频
.mp4
|
2023-12-19 | 145.99MB | ||
| 15.2 前沿专题四-小样本分类B-嵌入角度 |
视频
.mp4
|
2023-12-19 | 118.16MB | ||
| 15.3 前沿专题四-小样本分类C-度量角度 |
视频
.mp4
|
2023-12-19 | 105.24MB | ||
| 15.4 前沿专题四-小样本分类D-数据集指标挑战 |
视频
.mp4
|
2023-12-19 | 100.57MB |
