华中科技大学2005年博士研究生入学考试——模式识别原理 }CZw'fhVWO
T%FW|jKw
第一章 模式识别的基本问题 ]9_}S
Pw +nO
1.1 什么是模式识别 F#)bGi
6ce-92n
1.2 模式识别的基本概念 Zo^]y'
D:IG;Rsc
1.3 模式识别的系统组成 Wb cm1I)
X6(s][Wn
1.4 模式识别方法分类 k.c.7%|~;
Q
(q&(/
第二章 Bayes决策理论 ZvT>A#R;l~
i'>5vU0?3
2.1 二类问题的最小错误决策 (dQ=i
wsH _pF
2.2 二类问题的最小风险决策 bX:h"6{=R
hOj+z?
2.3 Neyman-Pearson决策 nu~]9~)I
g3{UP]Z71
2.4 最小最大决策 jf)l; \u
&|RTLGwX
2.5 多类问题的决策 t#t[cgI
SZ$WC8AX
第三章 正态分布的判别函数 z,^~H
q-_!&kDK"
3.1 N维正态分布 bJD$!*r\%!
ey4.Hj#T
3.2 正态分布的判别函数 'x"(OdM:[
8=joVbs
3.3 讨论 p)?6#~9$
S7PWP<9
第四章 线性判别函数 =EA:fq
xY!ud)
4.1 线性判别函数及广义线性判别函数 3z2
OW@zL$
4:N*C7P
4.2 线性分类器设计 #eJ<fU6Da
hEsiAbTyF
4.3 梯度法与牛顿法 7X/t2Vih@
P+|L6w*|[
4.4 最小平方误差准则函数与H-K算法 L*A-&9.p3
Km%L1Cd]
4.5 Fisher线性判别函数 wB \`3u4
(4A'$O2
4.6 广义线性判别函数 9CeR^/i
4m1r@
$
第五章 K-近邻法 ~tW~%]bs2Q
)(-;H|]?
5.1 密度估计 K SOD(
_"yA1D0d_
5.2 后验概率估计 G`>]ng
g;8 wP5i
5.3 最近邻法则与K-近邻法则 ~S\L(B(
0x!&>
5.4 加权K-近邻法则 !#O
[RS
AO|9H`6U6F
第六章 聚类分析 {.{Wl,|7
VoZ{ I{>|
6.1 类似性度量 #T^2=7 w
*<