模式识别内容概述

教材推荐：模式识别-西奥多里蒂斯第四版
第2章至第十章：有监督模式识别：

第2章：估计位置概率密度函数的贝叶斯分类技术
贝叶斯分类、最小距离、（欧几里得距离和马哈诺比斯距离）、最近邻分类器、朴素贝叶斯分类器，简单介绍贝叶斯网络。

第3章：线性分类器的设计。
均方理论的概率估计性质、偏差方差的难题、支持向量机的基本原理、线性可分性、感知器算法、均方和最小二乘法理论

第4章：非线性分类器的设计
Cover定理和径向基函数，简单介绍非线性支持向量机、决策树和联合分类器。

第5章：特征选择
重点为t检验。介绍发散、Bhattacharrya距离和散布矩阵。本章重点为Fisher线性判别方法（LDA）。

第6章：利用正交变化来进行特征提取。介绍了KL变换和奇异值分解。定义了DFT、DCT、DST、Hadamard和Haar变换。最后讲解了离散小波变换。

第7章：图像和声音分类中的特征提取。
局部线性变化、矩、参数模型和分形的内容。一阶和二阶统计特征以及行程长度方法。此外，讲述了外形描述的链码。

第8章：模板匹配。
动态规划和Viterbi算法，并应用与模式识别中。此外，还讲述了相关匹配和可变形模板匹配的基本原理。

第9章：上下文分类。
介绍了隐马尔可夫模型，应用于通信和语音识别。

第10章：系统评估和监督学习。
讨论各种各样的误差率评估技术。留一法和重替代法也是重点。

第11章至第16章：讲述无监督模式识别。

第11