79. 实验3-4-5 Bayes分类器-kNN分类器-视频动目标检测 - 2

国防科技大学 模式识别

大学课程 / 电子通讯

模式识别 国防科技大学（蔡宣平）

共100集 12.3万人观看

---

• 
  1概述 - 1

  12:51
• 
  2概述 - 2

  13:03
• 
  3概述 - 3

  12:47
• 
  4特征矢量及特征空间、随机矢量、正态分布特性 - 1

  13:03
• 
  5特征矢量及特征空间、随机矢量、正态分布特性 - 2

  13:10
• 
  6特征矢量及特征空间、随机矢量、正态分布特性 - 3

  13:09
• 
  7聚类分析的概念、相似性测度 - 1

  13:32
• 
  8聚类分析的概念、相似性测度 - 2

  13:42
• 
  9聚类分析的概念、相似性测度 - 3

  13:26
• 
  10相似性测度（二） - 1

  13:55
• 
  11相似性测度（二） - 2

  13:56
• 
  12相似性测度（二） - 3

  13:52
• 
  13类间距离、准则函数 - 1

  12:22
• 
  14类间距离、准则函数 - 2

  12:31
• 
  15类间距离、准则函数 - 3

  12:17
• 
  16聚类算法：简单聚类算法、谱系聚类算法 - 1

  14:07
• 
  17聚类算法：简单聚类算法、谱系聚类算法 - 2

  14:16
• 
  18聚类算法：简单聚类算法、谱系聚类算法 - 3

  14:15
• 
  19聚类算法：动态聚类算法——C均值聚类算法 - 1

  10:47
• 
  20聚类算法：动态聚类算法——C均值聚类算法 - 2

  10:58
• 
  21聚类算法：动态聚类算法——C均值聚类算法 - 3

  10:51
• 
  22聚类算法：动态聚类算法——近邻函数算法 - 1

  14:17
• 
  23聚类算法：动态聚类算法——近邻函数算法 - 2

  14:32
• 
  24聚类算法：动态聚类算法——近邻函数算法 - 3

  14:11
• 
  25聚类算法实验

  06:02
• 
  26判别域界面方程分类的概念、线性判别函数 - 1

  10:53
• 
  27判别域界面方程分类的概念、线性判别函数 - 2

  10:54
• 
  28判别域界面方程分类的概念、线性判别函数 - 3

  11:01
• 
  29判别函数值的鉴别意义、权空间及解空间、fisher线性判别 - 1

  15:18
• 
  30判别函数值的鉴别意义、权空间及解空间、fisher线性判别 - 2

  15:26
• 
  31判别函数值的鉴别意义、权空间及解空间、fisher线性判别 - 3

  15:17
• 
  32线性可分条件下判别函数权矢量算法 - 1

  15:36
• 
  33线性可分条件下判别函数权矢量算法 - 2

  15:50
• 
  34线性可分条件下判别函数权矢量算法 - 3

  15:37
• 
  35一般情况下的判别函数权矢量算法 - 1

  12:16
• 
  36一般情况下的判别函数权矢量算法 - 2

  12:22
• 
  37一般情况下的判别函数权矢量算法 - 3

  12:11
• 
  38非线性判别函数 - 1

  17:56
• 
  39非线性判别函数 - 2

  18:06
• 
  40非线性判别函数 - 3

  17:50
• 
  41最近邻方法 - 1

  13:11
• 
  42最近邻方法 - 2

  13:21
• 
  43最近邻方法 - 3

  13:11
• 
  44感知器算法实验

  05:10
• 
  45最小误判概率准则 - 1

  12:49
• 
  46最小误判概率准则 - 2

  12:58
• 
  47最小误判概率准则 - 3

  12:54
• 
  48正态分布的最小误判概率、最小损失准则判决 - 1

  15:32
• 
  49正态分布的最小误判概率、最小损失准则判决 - 2

  15:40
• 
  50正态分布的最小误判概率、最小损失准则判决 - 3

  15:34
• 
  51含拒绝判决的最小损失准则、最小最大损失准则 - 1

  14:00
• 
  52含拒绝判决的最小损失准则、最小最大损失准则 - 2

  14:04
• 
  53含拒绝判决的最小损失准则、最小最大损失准则 - 3

  14:02
• 
  54Neyman—Pearson判决、实例 - 1

  11:57
• 
  55Neyman—Pearson判决、实例 - 2

  12:01
• 
  56Neyman—Pearson判决、实例 - 3

  11:56
• 
  57概述、矩法估计、最大似然估计 - 1

  13:02
• 
  58概述、矩法估计、最大似然估计 - 2

  13:07
• 
  59概述、矩法估计、最大似然估计 - 3

  12:57
• 
  60贝叶斯估计 - 1

  12:09
• 
  61贝叶斯估计 - 2

  12:11
• 
  62贝叶斯估计 - 3

  12:03
• 
  63贝叶斯学习 - 1

  14:51
• 
  64贝叶斯学习 - 2

  15:05
• 
  65贝叶斯学习 - 3

  14:47
• 
  66概密的窗函数估计方法 - 1

  17:20
• 
  67概密的窗函数估计方法 - 2

  17:32
• 
  68概密的窗函数估计方法 - 3

  17:17
• 
  69有限项正交函数级数逼近法 - 1

  13:36
• 
  70有限项正交函数级数逼近法 - 2

  13:46
• 
  71有限项正交函数级数逼近法 - 3

  13:39
• 
  72错误率估计 - 1

  10:05
• 
  73错误率估计 - 2

  10:22
• 
  74错误率估计 - 3

  10:05
• 
  75小结 - 1

  11:52
• 
  76小结 - 2

  11:57
• 
  77小结 - 3

  11:46
• 
  78实验3-4-5 Bayes分类器-kNN分类器-视频动目标检测 - 1

  11:45
• 
  79实验3-4-5 Bayes分类器-kNN分类器-视频动目标检测 - 2

  11:53
• 
  80实验3-4-5 Bayes分类器-kNN分类器-视频动目标检测 - 3

  11:45
• 
  81概述、类别可分性判据（一） - 1

  14:43
• 
  82概述、类别可分性判据（一） - 2

  14:55
• 
  83概述、类别可分性判据（一） - 3

  14:36
• 
  84类别可分性判据（二） - 1

  14:31
• 
  85类别可分性判据（二） - 2

  14:39
• 
  86类别可分性判据（二） - 3

  14:36
• 
  87基于可分性判据的特征提取 - 1

  16:11
• 
  88基于可分性判据的特征提取 - 2

  16:24
• 
  89基于可分性判据的特征提取 - 3

  16:05
• 
  90离散KL变换与特征提取 - 1

  10:49
• 
  91离散KL变换与特征提取 - 2

  11:04
• 
  92离散KL变换与特征提取 - 3

  10:47
• 
  93离散KL变换在特征提取与选择中的应用 - 1

  10:49
• 
  94离散KL变换在特征提取与选择中的应用 - 2

  11:04
• 
  95离散KL变换在特征提取与选择中的应用 - 3

  10:47
• 
  96特征选择中的直接挑选法 - 1

  13:55
• 
  97特征选择中的直接挑选法 - 3

  13:54
• 
  98综合实验-图像中的字符识别 - 1

  13:49
• 
  99综合实验-图像中的字符识别 - 2

  13:55
• 
  100综合实验-图像中的字符识别 - 3

  13:54