第一章引言
1.课程名称
模式识别:如何从原始输入数据中识别对象的类别,或者作出恰当的预测。
机器学习:构造算法(机器)使其根据经验改进自身性能
计算机视觉(质),模式识别,图形处理,机器视觉(量)
2.模式识别实例
人脸识别,垃圾邮件过滤,曲线拟合(欠学习,过拟合)
步骤:数据获取->预处理->特征提取->分类(回归)->命令执行
3.研究方向简介
Active learning(主动学习):query,response
distance metric learning(距离度量学习)
ensemble learning(集成学习)
Graphical Models(图模型)
Kernel Methods(核方法,映射到多维空间,线性分开)
Semi-supervised Learning(半监督学习)
Transfer Learning(迁移学习)
4.内容安排
引言,贝叶斯决策理论,条件随机场,近邻法,凸优化与支持向量机,人工神经网络,非监督学习-聚类,降维特征提取等,前沿论文阅读与报告