中科信软模式识别培训，模式识别技术支持，技术咨询
发布机构：
北京中科信软科技有限公司
发布时间：2020-09-04
1． 模式识别概论以及概率论基本知识
| 内容 | 说明 |
| 概论 | − 模式识别的主要方法; − 监督模式识别与非监督模式识别; − 模式识别系统举例; − 模式识别系统的典型构成 |
| 概率论基础知识 | − 概率论基础知识 贝叶斯决策, 概率密度分布 − 较大似然估计 − 贝叶斯估计 − 维数问题（精度、维数和训练集的大小； 计算复杂度；过拟合） |
| 概率密度分布的非参数估计 | − 非参数估计的基本原理与直方图方法 − KN近邻估计方法 − Parzen窗法 − 较近邻规则 − 距离度量和较近邻分类 − RCE网络 − 级数展开逼近 − 统计量估计中的重采样技术(bootstrap, jackknife) |
| 期望较大化(EM) | − 期望较大化 |
| 隐马尔可夫模型 | − 隐马尔可夫模型 |
| 抽样方法 | − 马尔可夫 蒙特卡洛 − Gibbs 采样 − Slice 采样 − 混合Monte carlo算法 |
2． 监督学习方法
| 内容 | 说明 |
| 线性回归 | − 线性基础模型 − 偏方方差分解 − 贝叶斯线性回归 − 贝叶斯模型比较 − 参数估计（经验贝叶斯） − 固定基础函数的限制 |
| 特征 | − 特征选择 ² 特征的评价准则 ² 特征选择的较优算法 ² 特征选择的次优算法 ² 特征选择的遗传算法 ² 以分类性能为准则的特征选择方法 |
| − 特征提取 ² 基于类别可分性判据的特征提取 ² 主成分分析 (图像) ² Karhunen-Loeve变换 ² 高维数据的低维显示 ² 多维尺度法 ² 非线性变换方法简介 ² 多重判别分析 | |
| − 特征提取与选择对分类器性能估计的影响 | |
| 分类器 | − 线性分类器 ² 线性判别函数的基本概念 ² Fisher线性判别器 ² 感知器 ² 较小平方误差判别 ² 较优分类器超平面与线性支持向量 ² 拉普拉斯逼近（Laplace 逼近） |
| − 非线性分类器 ² 分段判别函数 ² 二次判别函数 ² 多层感知机 ² 支持向量机 ² 核函数 | |
| − 其它分类器 ² 近邻法 ² 决策树 ² 逻辑回归 ² Boosting ² 随机方法 ² 基于规则的方法 | |
| 系统评价 | − 监督模式识别方法的错误率估计 − 有限样本下错误率的区间估计问题 − 从分类的显著性推断特征与类别的关系 |
3． 非监督学习方法
| 内容 | 说明 |
| 模型方法 | − 基于模型的方法 − 混合模型的估计(非监督较大似然估计; 正态分布情况下的非监督参数估计) |
| 聚类方法 | − 动态聚类 |
| − 模糊聚类 | |
| − 分级聚类 | |
| − 自组织神经网络 | |
| − 划分聚类 | |
| − 聚类的准则函数 |
等....课程
中科信软高级技术服务机构（已成立13年）→13年期间，为各大企业提供：软件培训、定制培训、技术咨询、技术支持
时间灵活 地点灵活(北上广深、成都、武汉都有上课点)，人数灵活，师资丰富、可按您的需求给您定制课程，匹配教师。
小班授课，公开课，上门内训
特殊技术订制培训或咨询
技术培训，技术咨询，项目承接，专家外包
相关推荐