《模式识别原理》考试大纲

《模式识别原理》考试大纲第一章模式识别的基本问题

1.1 什么是模式识别

1.2 模式识别的基本概念

1.3 模式识别的系统组成

1.4 模式识别方法分类

第二章 Bayes决策理论

2.1 二类问题的最小错误决策

2.2 二类问题的最小风险决策

2.3 Neyman-Pearson决策

2.4 最小最大决策

2.5 多类问题的决策

第三章正态分布的判别函数

3.1 N维正态分布

3.2 正态分布的判别函数

3.3 讨论

第四章线性判别函数

4.1 线性判别函数及广义线性判别函数

4.2 线性分类器设计

4.3 梯度法与牛顿法

4.4 最小平方误差准则函数与H-K算法

4.5 Fisher线性判别函数

4.6 广义线性判别函数

第五章 K-近邻法

5.1 密度估计

5.2 后验概率估计

5.3 最近邻法则与K-近邻法则

5.4 加权K-近邻法则

第六章聚类分析

6.1 类似性度量

6.2 准则函数

6.3 聚类算法

第七章特征提取与选择

7.1 图像的特征提取

7.2 特征选择

参考书目：1. 李金宗. 模式识别导论. 高等教育出版社. 1994.

2. 边肇祺等编著. 模式识别. 清华大学出版社. 2000.