模式识别考点总结(第7-12个ppt)

接上文。

⑦ 第六章 近邻法

  • 三种近邻法

  • 近邻法是模板匹配

  • 全部样本作为代表点

  • 近邻法的计算量

  • 近邻法的错误率

  • 两个样本集搜索规则

  • 压缩近邻法的步骤

⑧ 第七章 主成分分析(PCA)

  • 主成分分析基本概念

  • 主成分分析是非监督算法

  • 采用何种策略确定主成分个数

⑨ 第八章 人工神经网络

  • 三种神经网络

  • 神经网络三要素

  • 前馈神经网络结构

  • 前馈神经网络的Wij怎么算

  • 前馈神经网络的Wij的正负性

  • 反馈神经网络结构(多层感知器有哪几层)

  • 自组织神经网络结构

⑩ 第九章 无监督与模糊学习

  • 单峰子集的两种分类方法

  • 投影方法

  • 如何选择投影方向?

  • ISODATA相对C均值的优势

  • 分级聚类方法

  • 这两张图怎么看?

  • 区分哪个是模糊集

  • 区分哪个是改进的C均值

⑾ 第十章 流行与集成学习

  • 哪三种流型?

  • 多维尺度变换(MDS)计算测地距离失效

⑿ 第十一章 统计学习理论与方法

  • 机器学习三个函数:风险、均方误差、似然函数

  • 期望风险与经验风险谁高谁低

  • 风险与能力

  • VC维(d+1和无穷)

  • 支持向量机分类面方程与支撑面间隔

  • 广义支持向量机的两个目标

  • 惩罚函数

  • 增加一维再线性分割

  • SVM与维度无关

  • 核函数

  • 怎样使用核函数

(0)

相关推荐