模式识别(5.01G)

xiaoduo

『课程目录』:
├─{10}--第十章模式识别系统的评价
│  ├─{1}--第一讲监督模式识别中错误率的估计方法
│  │      [10.1.1]--监督模式识别中错误率的估计方法.mp4
│  │      
│  ├─{2}--第二讲监督模式识别中的交叉验证及自举法
│  │      [10.2.1]--监督模式识别中的交叉验证及自举法.mp4
│  │      
│  ├─{3}--第三讲影响分类器性能估计的其它因素
│  │      [10.3.1]--影响分类器性能估计的其它因素.mp4
│  │      
│  └─{4}--第四讲非监督模式识别系统性能的评价
│          (10.4.1)--模式识别系统的评价-课件.pdf
│          [10.4.1]--非监督模式识别系统性能的评价.mp4
│         
├─{1}--第一章绪论
│  ├─{1}--第一讲模式与模式识别
│  │      (1.1.1)--第一章绪论课件.pdf
│  │      [1.1.1]--视频1.1模式与模式识别.mp4
│  │      
│  ├─{2}--第二讲模式识别的主要方法
│  │      [1.2.1]--视频1.2模式识别的主要方法.mp4
│  │      
│  ├─{3}--第三讲模式识别系统的应用举例
│  │      [1.3.1]--视频1.3模式识别系统的应用举例.mp4
│  │      
│  └─{4}--第四讲模式识别系统的典型构成
│          [1.4.1]--视频1.4模式识别系统的典型构成.mp4
│         
├─{2}--第二章贝叶斯决策理论
│  ├─{1}--第一讲贝叶斯决策基础
│  │      (2.1.1)--第二章贝叶斯决策理论课件.pdf
│  │      [2.1.1]--视频2.1贝叶斯决策基础.mp4
│  │      
│  ├─{2}--第二讲基于最小错误率的贝叶斯决策
│  │      [2.2.1]--2..2基于最小错误率的贝叶斯决策.mp4
│  │      
│  ├─{3}--第三讲基于最小风险的贝叶斯决策
│  │      [2.3.1]--2.3基于最小风险的贝叶斯决策.mp4
│  │      
│  ├─{4}--第四讲贝叶斯分类器的设计
│  │      [2.4.1]--视频2.4贝叶斯分类器的设计.mp4
│  │      
│  ├─{5}--第五讲正态分布时的统计决策
│  │      [2.5.1]--视频2.5正态分布时的统计决策.mp4
│  │      
│  └─{6}--第六讲matlab代码演示实例
│          [2.6.1]--视频2.5matlab代码演示实例.mp4
│         
├─{3}--第三章概率密度函数的估计
│  ├─{1}--第一讲最大似然估计
│  │      (3.1.1)--第三章概率密度函数的估计课件.pdf
│  │      [3.1.1]--视频3.1最大似然估计.mp4
│  │      
│  ├─{2}--第二讲贝叶斯估计
│  │      [3.2.1]--视频3.2贝叶斯估计.mp4
│  │      
│  └─{3}--第三讲贝叶斯学习
│          [3.3.1]--视频3.3贝叶斯学习.mp4
│         
├─{4}--第四章线性分类器
│  ├─{1}--第一讲引言
│  │      (4.1.1)--第四章线性分类器课件.pdf
│  │      [4.1.1]--视频4.1引言.mp4
│  │      
│  ├─{2}--第二讲线性判别函数的基本概念
│  │      [4.2.1]--视频4.2线性判别函数的基本概念.mp4
│  │      
│  ├─{3}--第三讲Fisher线性判别
│  │      [4.3.1]--视频4.3Fisher线性判别.mp4
│  │      
│  ├─{4}--第四讲Fisher线性判别matlab演示
│  │      [4.4.1]--视频4.4Fisher线性判别matlab演示.mp4
│  │      
│  ├─{5}--第五讲感知器算法
│  │      [4.5.1]--视频4.5感知器算法.mp4
│  │      
│  ├─{6}--第六讲感知器算法实例
│  │      [4.6.1]--视频4.6感知器算法实例.mp4
│  │      
│  ├─{7}--第七讲感知器算法matlab演示
│  │      [4.7.1]--视频4.7感知器算法matlab演示.mp4
│  │      
│  └─{8}--第八讲最小平方误差判别
│          [4.8.1]--视频4.8最小平方误差判别.mp4
│         
├─{5}--第五章非线性分类器
│  ├─{1}--第一讲分段线性判别函数
│  │      (5.1.1)--非线性分类器的课件.pdf
│  │      [5.1.1]--视频5.1分段线性判别函数的思想和原理.mp4
│  │      [5.1.2]--视频5.2分段线性分类器设计的三种情况.mp4
│  │      
│  ├─{2}--第二讲二次判别函数
│  ├─{3}--第三讲神经网络的基础知识和BP神经网络
│  │      [5.3.1]--视频5.4神经网络的基础知识.mp4
│  │      [5.3.2]--视频5.5BP神经网络.mp4
│  │      
│  ├─{4}--第四讲神经网络参数的确定
│  │      [5.4.1]--视频5.6神经网络参数的确定.mp4
│  │      
│  ├─{5}--第五讲多层神经网络在模式识别中的应用方法
│  │      [5.5.1]--视频5.7多层神经网络在模式识别中的应用方法.mp4
│  │      
│  └─{6}--第六讲BP神经网络的matlab实例
│          [5.6.1]--视频5.8BP神经网络的matlab实例.mp4
│         
├─{6}--第六章其他分类方法
│  ├─{1}--第一讲近邻法原理
│  │      (6.1.1)--近邻法课件.pdf
│  │      [6.1.1]--近邻法原理.mp4
│  │      
│  ├─{2}--第二讲快速搜索近邻法
│  │      [6.2.1]--快速搜索近邻法.mp4
│  │      
│  ├─{3}--第三讲剪辑近邻法
│  │      [6.3.1]--剪辑近邻法.mp4
│  │      
│  └─{4}--第四讲压缩近邻法
│          [6.4.1]--压缩近邻法.mp4
│         
├─{7}--第七章决策树
│  ├─{1}--第一讲决策树
│  │      (7.1.1)--决策树课件.pdf
│  │      [7.1.1]--决策树.mp4
│  │      
│  ├─{2}--第二讲id3算法
│  │      [7.2.1]--id3算法.mp4
│  │      
│  └─{3}--第三讲随机森林
│          [7.3.1]--随机森林.mp4
│         
├─{8}--第八章非监督模式识别
│  ├─{1}--第一讲动态聚类方法
│  │      (8.1.1)--非监督模式识别课件.pdf
│  │      [8.1.1]--动态聚类方法.mp4
│  │      
│  └─{2}--第二讲分级聚类方法
│          [8.2.1]--分级聚类方法.mp4
│         
└─{9}--第九章特征选择和特征提取
    ├─{1}--第一讲特征选择和提取的基本概念
    │      [9.1.1]--基本概念.mp4
    │      
    ├─{2}--第二讲特征选择的判据
    │      [9.2.1]--特征选择的判据.mp4
    │      
    ├─{3}--第三讲特征选择的最优和次优算法
    │      [9.3.1]--特征选择的最优和次优算法.mp4
    │      
    ├─{4}--第四讲特征提取的PCA算法
    │      [9.4.1]--特征提取的PCA算法.mp4
    │      
    ├─{5}--第五讲K-L变换
    │      [9.5.1]--K-L变换.mp4
    │      
    └─{6}--第六讲特征提取的matlab演示实例
            (9.6.1)--特征选择和特征提取的课件.pdf
            [9.6.1]--特征提取的matlab演示实例.mp4
            
『课程下载』:

游客,本付费内容需要支付 3学币 才能浏览支付

churwebber

感谢分享