概率密度函数估计-引言
上一节
下一节
目录
-
1 绪论
-
1.1 模式与模式识别
-
1.2 模式识别的主要方法
-
1.3 监督与非监督模式识别
-
1.4 模式识别系统举例
-
-
2 统计决策方法
-
2.1 统计决策-硬币举例
-
2.2 最小错误率贝叶斯决策
-
2.3 最小风险贝叶斯决策
-
2.4 正态分布时的统计决策
-
2.5 朴素贝叶斯
-
-
3 最大似然估计
-
3.1 概率密度函数估计-引言
-
3.2 最大似然函数的基本原理
-
3.3 最大似然估计的求解
-
3.4 正态分布下的最大似然估计
-
-
4 线性分类器
-
4.1 线性回归与线性判别函数
-
4.2 Fisher线性判别分析
-
4.3 感知器
-
4.4 罗杰斯特回归
-
4.5 多线性分类器
-
-
5 非线性分类器
-
5.1 分段与二次线性判别函数
-
5.2 多层感知器神经网络
-
5.3 支持向量机
-
5.4 核函数机器
-
-
6 非参学习与集成学习
-
6.1 近邻法
-
6.2 决策树
-
6.3 集成学习
-
-
7 特征提取与选择
-
7.1 特征选择
-
7.2 基于类别可分性的特征提取
-
7.3 主成分分析
-
7.4 多维尺度法
-
7.5 非线性特征变换
-
7.6 tSNE降维可视化方法
-
-
8 非监督模式识别
-
8.1 基于模型的聚类
-
8.2 K均值算法
-
8.3 模糊聚类方法
-
8.4 自组织映射网络
-
-
9 深度学习
-
9.1 人工神经网络回顾
-
9.2 卷积神经网络
-
9.3 循环神经网络
-
9.4 生成模型
-
9.5 深度学习常用技巧
-
9.6 应用实例
-
-
10 模式识别系统评价
-
10.1 监督模式识别的性能评价
-
10.2 非监督模式识别的性能评价
-
-
11 模式识别常用软件
-
11.1 模式识别软件平台介绍
-
11.2 模式识别应用实例
-
-
12 前沿专题（一）——动作检测
-
12.1 前沿专题一-动作检测A-时序
-
12.2 前沿专题一-动作检测B-时空
-
-
13 前沿专题（二）——模型压缩
-
13.1 前沿专题二-模型压缩A-知识蒸馏
-
13.2 前沿专题二-模型压缩B-模型剪枝
-
-
14 前沿专题（三）——视频描述
-
14.1 前沿专题三-视频描述A-单语句
-
14.2 前沿专题三-视频描述B-多语句
-
-
15 前沿专题（四）——小样本分类
-
15.1 前沿专题四-小样本分类A
-
15.2 前沿专题四-小样本分类B-嵌入角度
-
15.3 前沿专题四-小样本分类C-度量角度
-
15.4 前沿专题四-小样本分类D-数据集指标挑战
-
