摘要： 1、贝叶斯决策理论研究了模式类的概率结构完全知道的理想情况。这种情况很少在实际中出现，但是它为我们提供了一个能与其他分类器作对比的评价依据。2、最大似然和贝叶斯参数估计研究了当模式类的概率结构未知，但一般的分布形式已知的情况下的问题。此时的概率分布中存在的不确定性是由若干参数值未知所引起的。我们要做的是尝试估计出正确的参数值。3、非参数技术更加远离贝叶斯理想情况。甚至连参数化的先验分布形式的任何知识都没有。分类型必须基本上只利用输入训练样本自身提供的信息来工作。4、无监督学习和聚类在输入训练样本的类别标签未知的情况下，识别器如何发现聚类结构。其他概念：①线性判别函数研究参数估计的一般方法。②随 阅读全文

摘要： 标记当前位置：示例代码：var marker = new BMap.Marker(point);map.addOverlay(marker);在地图上显示足迹：显示足迹列表要用到百度地图API中“添加折线”的方法。API文档给出的参考代码是：var polyline = new BMap.Polyline([ new BMap.Point(116.399, 39.910), new BMap.Point(116.405, 39.920) ], {strokeColor:"blue", strokeWeight:6, strokeOpacity:0.5} );... 阅读全文