华中科技大学2005年博士研究生入学考试——模式识别原理 Fpt-V
@1R8-aa-r
第一章 模式识别的基本问题 #ycL'T`X%
\O7J=6fn
1.1 什么是模式识别 o7+>G
~i
V8O.3fo`[`
1.2 模式识别的基本概念 l
oqvi
MjaUdfx
1.3 模式识别的系统组成 W>spz~w%j
V)D-pV V
1.4 模式识别方法分类 ,M3z!=oIGn
i9UI,b%X
第二章 Bayes决策理论 CsS p=(
nj\_lL+
2.1 二类问题的最小错误决策 |t\|:E>" }
7SI)1_%G
2.2 二类问题的最小风险决策 d^39t4
YDiN^q7
2.3 Neyman-Pearson决策 !W1eUY
t ,qul4y}
2.4 最小最大决策 WfGH|u
M@?"t_e1
2.5 多类问题的决策 ~,}s(`~
zj]b&In6;
第三章 正态分布的判别函数 7unA"9=[4V
\_oy$>;
3.1 N维正态分布 9y"TDo
]Sta]}VQ
3.2 正态分布的判别函数 Rlw9$/D!Z
) Ypz!
3.3 讨论 $P?{O3:V
<q7s`,rG
第四章 线性判别函数 }(=ml7 )v
>rwYDT#m]
4.1 线性判别函数及广义线性判别函数 n0.8)=;2
v7@H\x*
4.2 线性分类器设计 ||a`fH
a!.!2a&t
4.3 梯度法与牛顿法 w2)/mSnu
z\[(g
4.4 最小平方误差准则函数与H-K算法 ~'f8L#[M
d]k='
4.5 Fisher线性判别函数 ^"`Z1)V
d2ofxfpg+
4.6 广义线性判别函数 OQ|,-
P7 8uq
第五章 K-近邻法 A}eOR=E
~\bHfiIDy
5.1 密度估计 w?;b7i
Ge9}8
5.2 后验概率估计 ~mcZUiP9
ZX]A )5G
5.3 最近邻法则与K-近邻法则 oF&IC
j0
^HoJ.oC/
5.4 加权K-近邻法则 0sabh
`iQ^
u p~@?t2
第六章 聚类分析 <