机器学习模式识别 图像中的字符识别

888888

【课程内容】

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








本资源来源于 网络 付费网站  付费收集而来, 随时收集更新资源  本站专注搜集和分享各种付费网站资源,感谢您的信任


资源下载地址:
链接：

http://pan.baidu.com/s/1pLqOfWZ

密码：rr8y
本站所有资源都来源于网络收集,网友提供或者交换而来!

如果侵犯了您的权益,请及时联系客服,我们即刻删除!