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
赞 (0)