模式识别-黄庆明_中科院课件（包含word）

【实例简介】
模式识别 黄庆明 中科院课件 包含上课所有讲义
【实例截图】
【核心代码】
-黄庆明_中科院课件
└── 模式识别-黄庆明_中科院课件
├── 第一章.ppt
├── 第一章（一维正态密度函数）.doc
├── 第一章（协方差矩阵）.doc
├── 第一章（多维正态密度函数）.doc
├── 第一章（数学期望和方差）.doc
├── 第七章CKY算法.doc
├── 第七章.ppt
├── 第七章上下文无关文法和树文法的对应关系描述.doc
├── 第七章下推自动机与上下文无关语言的联系.doc
├── 第七章下推自动机定义.doc
├── 第七章二元关系的复合.doc
├── 第七章从随机正则文法构造一个随机有限态自动机.doc
├── 第七章代换、抹去、插入误差的转换.doc
├── 第七章传递闭包.doc
├── 第七章半序和全序.doc
├── 第七章句型和句子.doc
├── 第七章按区域划分成多边形近似的基元.doc
├── 第七章按有限态自动机确定正则文法.doc
├── 第七章按正则文法确定有限态自动机.doc
├── 第七章文法分类.doc
├── 第七章文法定义.doc
├── 第七章有限态自动机定义.doc
├── 第七章构成误差覆盖文法G’的过程.doc
├── 第七章树文法的定义.doc
├── 第七章根据样本集R进行文法推断.doc
├── 第七章由随机文法生成随机语言的过程与相关概率的关系.doc
├── 第七章程序文法定义和例子.doc
├── 第七章符号串相关运算.doc
├── 第七章等价类定义和性质.doc
├── 第七章语言和短语.doc
├── 第七章随机文法定义.doc
├── 第七章随机有限态自动机定义.doc
├── 第七章非确定有限态自动机与确定有限态自动机的关系.doc
├── 第七章非确定有限态自动机定义.doc
├── 第三章Fisher准则函数中的基本参量.doc
├── 第三章Fisher准则函数定义.doc
├── 第三章Lagrange乘数法.doc
├── 第三章LMSE-(H-K)算法.doc
├── 第三章LMSE-分类器的不等式方程.doc
├── 第三章LMSE-模式类别可分性的判别.doc
├── 第三章n维线性判别函数的一般形式&两类情况.doc
├── 第三章.ppt
├── 第三章r次多项式函数.doc
├── 第三章两类问题的判别函数.doc
├── 第三章分段线性判别函数-最小距离分类.doc
├── 第三章势函数法-判别函数产生逐步分析.doc
├── 第三章固定增量的逐次调整算法.doc
├── 第三章多类情况1.doc
├── 第三章多类情况2.doc
├── 第三章多类情况3.doc
├── 第三章多类感知器算法判别函数的推导.doc
├── 第三章广义线性判别函数的描述.doc
├── 第三章感知器的训练算法.doc
├── 第三章最佳变换向量的求取.doc
├── 第三章构成势函数的两种方式.doc
├── 第三章梯度法.doc
├── 第三章模式空间与权空间-分类描述.doc
├── 第三章线性判别函数&二次多项式函数.doc
├── 第九章.ppt
├── 第九章(p+q)阶矩和中心矩的定义.doc
├── 第九章(p+q)阶规格化中心矩和七个不变矩.doc
├── 第九章几何特征.doc
├── 第九章各阶中心矩表示.doc
├── 第九章曲线的参数方程形式和傅里叶系数.doc
├── 第九章通过傅里叶系数提取形状特征.doc
├── 第二章（ISODATA算法）.doc
├── 第二章（K均值算法）.doc
├── 第二章.ppt
├── 第二章（一种聚类准则函数J的定义）.doc
├── 第二章（按最近邻规则的简单试探法）.doc
├── 第二章（最大最小距离算法）.doc
├── 第二章（相似性测度）.doc
├── 第二章（系统聚类法算法）.doc
├── 第二章（系统聚类法聚类准则函数）.doc
├── 第二章（降维方法&病程）.doc
├── 第五章K-L展开式系数的计算步骤.doc
├── 第五章.ppt
├── 第五章一般特征的散布矩阵准则.doc
├── 第五章多类模式集散布矩阵.doc
├── 第五章对于两类训练样本的特征选择.doc
├── 第五章正交向量集{φj}的确定.doc
├── 第五章点到点（集）之间的距离.doc
├── 第五章离散的有限K-L展开式的形式.doc
├── 第五章类内散布矩阵.doc
├── 第五章类内距离.doc
├── 第五章类间距离和类间散布矩阵.doc
├── 第五章问题：选取变换矩阵Φ.doc
├── 第八章C均值算法.doc
├── 第八章.ppt
├── 第六章BP算法推算过程.doc
├── 第六章BP训练算法实现步骤.doc
├── 第六章Hamming网络学习算法.doc
├── 第六章Hamming网络运行过程.doc
├── 第六章Hopfield网络学习过程.doc
├── 第六章Hopfield网络异同步更新.doc
├── 第六章Hopfield网络拓扑结构及描述.doc
├── 第六章Hopfield网络运行过程的公式表达.doc
├── 第六章Kohonen网络训练算法.doc
├── 第六章.ppt
├── 第六章Sigmoid函数情况.doc
├── 第六章σ规则训练算法描述.doc
├── 第六章加权的直接求解法方程描述.doc
├── 第六章感知器训练算法.doc
├── 第六章感知器训练算法的关系式推导.doc
├── 第六章玻尔兹曼机训练算法.doc
├── 第六章线性单元描述.doc
├── 第六章自组织神经网络-形式化描述.doc
├── 第六章自组织神经网络-获胜结点的选择过程.doc
├── 第六章自组织神经网络-训练过程.doc
├── 第六章解决抽象化组合问题的模拟退火算法.doc
├── 第六章采用Sigmoid函数时δ的推算.doc
├── 第六章非线性单元-加权求解描述.doc
├── 第四章M种模式类别的多变量正态类密度函数.doc
├── 第四章.ppt
├── 第四章两类问题且其类模式都是正态分布的特殊情况.doc
├── 第四章单变量正态密度函数的均值学习.doc
├── 第四章均值和协方差矩阵估计量的迭代运算形式.doc
├── 第四章均值和协方差矩阵的估计量定义.doc
├── 第四章最小平均条件风险判别-M=2.doc
├── 第四章最小平均条件风险判别-多类（M类）的情况.doc
├── 第四章最小平均条件风险表达式.doc
├── 第四章贝叶斯判别.doc
└── 第四章贝叶斯学习一般概念.doc

1 directory, 123 files