模式识别总结

这学期修了李宗民老师的《模式识别》课，这门课属于人工智能。主要的应用有语音识别，图像识别，文本分类，视频识别等等。这门课中学到的很多知识,是解决科学问题的一般方法,在吴军博士《数学之美》中，很多业界所用的算法中都有应用。下面对本课中的主要思路进行梳理总结。

1、贝叶斯决策

分类器的设计

先验概率和后验概率

最小风险贝叶斯判别

2、概率密度函数估计

参数估计

贝叶斯估计

最大似然估计

非参数估计方法

3、线性判别函数

线性判别函数设计的一般步骤

线性分类器

Fisher线性判别

感知准则函数

决策树

4、聚类分析

K均值方法

迭代自组织的数据分析方法

5、模糊模式识别：主要引入模糊数学中的隶属度的概念

最大隶属原则

择近原则

6、支持向量机

这些算法的思想和概念都很值得学习,在当今热门的互联网和软件产品中应用广泛。

同时也是区分一个卓越的工程师和三流工程师的界限,这就是读研究生的价值。

读研究生的价值,还有你有时间和勇气突破从前的自己,在某一个领域有深入研究和产品,如chaoos