 聚类分析的概念 一、聚类分析的基本思想 ★相似的归为一类。 ★模式相似性的度量。 ★无监督分类算法。 二、特征量的类型 ★物理量----(重量、长度、速度) ★次序量----(等级、技能、学识) ★名义量----(性别、状态、种类)  模式相似性测度  类的定义与类间距离  聚类的算法

 特征选择  从D个原始特征中，选择其中的d个特征。保持了原有特征的物理含义  特征变换  对D个原始特征进行一定的数学变换，得到d组新特征，往往不具有原始特征对应的物理含义

电子科技大学：《模式识别 Pattern Recognition》课程教学资源（课件讲稿）第四章 非线性分类器

是一种分段线性分类器 直接根据训练样本对新样本进行分类

电子科技大学：《模式识别 Pattern Recognition》课程教学资源（课件讲稿）第三章 线性分类器

贝叶斯决策理论 统计模式识别的主要方法之一 采用贝叶斯决策理论分类的前提： 目标（事物）的观察值是随机的，服从一定的概率分布。 即：模式不是一个确定向量，而是一个随机向量

 掌握模式识别的基本概念  掌握模式识别的基本步骤与流程  掌握模式识别经典算法的基本原理，了解其优缺点与适用范围  对实际生活中的识别问题建模，完成自动识别系统的构建  为研究新的模式识别的理论和方法打下基础

电子科技大学：《模式识别 Pattern Recognition》课程教学资源（教学大纲，凡时财）

一、谱分析方法概述 二、自回归滑动平均模型 三、自回归谱的建模与估计 四、谱估计综合举例

一、剔除数据中的“奇异项” 二、去除数据中的电平漂移 三、去除 / 提取趋势项 四、测量数据的平滑滤波