教程名稱：[機(jī)器學(xué)習(xí)-深度學(xué)習(xí)]國(guó)防科學(xué)技術(shù)大學(xué)(蔡宣平)
教程目錄：
01.概述
02.特征矢量及特征空間、隨機(jī)矢量、正態(tài)分布特性
03.聚類分析的概念、相似性測(cè)度
04.相似性測(cè)度（二）
05.類間距離、準(zhǔn)則函數(shù)
06.聚類算法：簡(jiǎn)單聚類算法、譜系聚類算法
07.聚類算法：動(dòng)態(tài)聚類算法——C均值聚類算法
08.聚類算法：動(dòng)態(tài)聚類算法——近鄰函數(shù)算法
09.聚類算法實(shí)驗(yàn)
10.判別域界面方程分類的概念、線性判別函數(shù)
11.判別函數(shù)值的鑒別意義、權(quán)空間及解空間、fisher線性判別
12.線性可分條件下判別函數(shù)權(quán)矢量算法
13.一般情況下的判別函數(shù)權(quán)矢量算法
14.非線性判別函數(shù)
15.最近鄰方法
16.感知器算法實(shí)驗(yàn)
17.最小誤判概率準(zhǔn)則
18.正態(tài)分布的最小誤判概率、最小損失準(zhǔn)則判決
19.含拒絕判決的最小損失準(zhǔn)則、最小最大損失準(zhǔn)則
20.Neyman—Pearson判決、實(shí)例
21.概述、矩法估計(jì)、最大似然估計(jì)
22.貝葉斯估計(jì)
23.貝葉斯學(xué)習(xí)
24.概密的窗函數(shù)估計(jì)方法
25.有限項(xiàng)正交函數(shù)級(jí)數(shù)逼近法
26.錯(cuò)誤率估計(jì)
27.小結(jié)
28.實(shí)驗(yàn)3-4-5 Bayes分類器-kNN分類器-視頻動(dòng)目標(biāo)檢測(cè)
29.概述、類別可分性判據(jù)（一）
30.類別可分性判據(jù)（二）
31.基于可分性判據(jù)的特征提取
32.離散KL變換與特征提取
33.離散KL變換在特征提取與選擇中的應(yīng)用
34.特征選擇中的直接挑選法
35.綜合實(shí)驗(yàn)-圖像中的字符識(shí)別
：
