81. 概述、类别可分性判据（一） - 1
2年前 1132观看
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 - 112:51- 2概述 - 213:03
- 3概述 - 312:47
4特征矢量及特征空间、随机矢量、正态分布特性 - 113:03- 5特征矢量及特征空间、随机矢量、正态分布特性 - 213:10
- 6特征矢量及特征空间、随机矢量、正态分布特性 - 313:09
7聚类分析的概念、相似性测度 - 113:32- 8聚类分析的概念、相似性测度 - 213:42
- 9聚类分析的概念、相似性测度 - 313:26
10相似性测度（二） - 113:55- 11相似性测度（二） - 213:56
- 12相似性测度（二） - 313:52
13类间距离、准则函数 - 112:22- 14类间距离、准则函数 - 212:31
- 15类间距离、准则函数 - 312:17
16聚类算法：简单聚类算法、谱系聚类算法 - 114:07- 17聚类算法：简单聚类算法、谱系聚类算法 - 214:16
- 18聚类算法：简单聚类算法、谱系聚类算法 - 314:15
19聚类算法：动态聚类算法——C均值聚类算法 - 110:47- 20聚类算法：动态聚类算法——C均值聚类算法 - 210:58
- 21聚类算法：动态聚类算法——C均值聚类算法 - 310:51
22聚类算法：动态聚类算法——近邻函数算法 - 114:17- 23聚类算法：动态聚类算法——近邻函数算法 - 214:32
- 24聚类算法：动态聚类算法——近邻函数算法 - 314:11
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 - 110:53- 27判别域界面方程分类的概念、线性判别函数 - 210:54
- 28判别域界面方程分类的概念、线性判别函数 - 311:01
29判别函数值的鉴别意义、权空间及解空间、fisher线性判别 - 115:18- 30判别函数值的鉴别意义、权空间及解空间、fisher线性判别 - 215:26
- 31判别函数值的鉴别意义、权空间及解空间、fisher线性判别 - 315:17
32线性可分条件下判别函数权矢量算法 - 115:36- 33线性可分条件下判别函数权矢量算法 - 215:50
- 34线性可分条件下判别函数权矢量算法 - 315:37
35一般情况下的判别函数权矢量算法 - 112:16- 36一般情况下的判别函数权矢量算法 - 212:22
- 37一般情况下的判别函数权矢量算法 - 312:11
38非线性判别函数 - 117:56- 39非线性判别函数 - 218:06
- 40非线性判别函数 - 317:50
41最近邻方法 - 113:11- 42最近邻方法 - 213:21
- 43最近邻方法 - 313:11
44感知器算法实验05:10
45最小误判概率准则 - 112:49- 46最小误判概率准则 - 212:58
- 47最小误判概率准则 - 312:54
48正态分布的最小误判概率、最小损失准则判决 - 115:32- 49正态分布的最小误判概率、最小损失准则判决 - 215:40
- 50正态分布的最小误判概率、最小损失准则判决 - 315:34
51含拒绝判决的最小损失准则、最小最大损失准则 - 114:00- 52含拒绝判决的最小损失准则、最小最大损失准则 - 214:04
- 53含拒绝判决的最小损失准则、最小最大损失准则 - 314:02
54Neyman—Pearson判决、实例 - 111:57- 55Neyman—Pearson判决、实例 - 212:01
- 56Neyman—Pearson判决、实例 - 311:56
57概述、矩法估计、最大似然估计 - 113:02- 58概述、矩法估计、最大似然估计 - 213:07
- 59概述、矩法估计、最大似然估计 - 312:57
60贝叶斯估计 - 112:09- 61贝叶斯估计 - 212:11
- 62贝叶斯估计 - 312:03
63贝叶斯学习 - 114:51- 64贝叶斯学习 - 215:05
- 65贝叶斯学习 - 314:47
66概密的窗函数估计方法 - 117:20- 67概密的窗函数估计方法 - 217:32
- 68概密的窗函数估计方法 - 317:17
69有限项正交函数级数逼近法 - 113:36- 70有限项正交函数级数逼近法 - 213:46
- 71有限项正交函数级数逼近法 - 313:39
72错误率估计 - 110:05- 73错误率估计 - 210:22
- 74错误率估计 - 310:05
75小结 - 111:52- 76小结 - 211:57
- 77小结 - 311:46
78实验3-4-5 Bayes分类器-kNN分类器-视频动目标检测 - 111:45- 79实验3-4-5 Bayes分类器-kNN分类器-视频动目标检测 - 211:53
- 80实验3-4-5 Bayes分类器-kNN分类器-视频动目标检测 - 311:45
81概述、类别可分性判据（一） - 114:43- 82概述、类别可分性判据（一） - 214:55
- 83概述、类别可分性判据（一） - 314:36
84类别可分性判据（二） - 114:31- 85类别可分性判据（二） - 214:39
- 86类别可分性判据（二） - 314:36
87基于可分性判据的特征提取 - 116:11- 88基于可分性判据的特征提取 - 216:24
- 89基于可分性判据的特征提取 - 316:05
90离散KL变换与特征提取 - 110:49- 91离散KL变换与特征提取 - 211:04
- 92离散KL变换与特征提取 - 310:47
93离散KL变换在特征提取与选择中的应用 - 110:49- 94离散KL变换在特征提取与选择中的应用 - 211:04
- 95离散KL变换在特征提取与选择中的应用 - 310:47
96特征选择中的直接挑选法 - 113:55- 97特征选择中的直接挑选法 - 313:54
98综合实验-图像中的字符识别 - 113:49- 99综合实验-图像中的字符识别 - 213:55
- 100综合实验-图像中的字符识别 - 313:54