模式识别考点总结

接上文。

⑦ 第六章 近邻法

三种近邻法

近邻法是模板匹配

全部样本作为代表点

近邻法的计算量

近邻法的错误率

两个样本集搜索规则

压缩近邻法的步骤

⑧ 第七章 主成分分析（PCA）

主成分分析基本概念

主成分分析是非监督算法

采用何种策略确定主成分个数

⑨ 第八章 人工神经网络

三种神经网络

神经网络三要素

前馈神经网络结构

前馈神经网络的Wij怎么算

前馈神经网络的Wij的正负性

反馈神经网络结构（多层感知器有哪几层）

自组织神经网络结构

⑩ 第九章 无监督与模糊学习

单峰子集的两种分类方法

投影方法

如何选择投影方向？

ISODATA相对C均值的优势

分级聚类方法

这两张图怎么看？

区分哪个是模糊集

区分哪个是改进的C均值

⑾ 第十章 流行与集成学习

哪三种流型？

多维尺度变换（MDS）计算测地距离失效

⑿ 第十一章 统计学习理论与方法

机器学习三个函数：风险、均方误差、似然函数

期望风险与经验风险谁高谁低

风险与能力

VC维（d+1和无穷）

支持向量机分类面方程与支撑面间隔

广义支持向量机的两个目标

惩罚函数

增加一维再线性分割

SVM与维度无关

核函数

怎样使用核函数

会有疏漏，也会有冗余，祝大家考出好成绩。欢迎关注我们的公众号！