实验内容 1.编程实现用于两类情况的感知器算法，求解文献[1]54页例3.8。 修改实验代码，求解文献[1]81页3.5题。

1.编写Matlab命令序列，求解文献[1]138页例5.2。 2.修改实验代码，求解文献148页5.1题。

实验内容 已知两类训练样本为 ： ： 设，用感知器算法求解判别函数，并绘出判别界面。参考代码lab2_2.c。

对图像进行判别分析--利用核费舍尔判别分析方法，以高斯核函数作为核函数进行判别分析

主要是模式识别部分的总结，前四章的。很详细可以在期末时用作复习。

重点： 感知器，（批处理算法，改进）；如何做多类分类（一对多，多对一），svm；反向传播算法（优缺点）；卷积神经网络（如何构造，怎么解释，自组织映射的原理，径向基函数也看看）；RNN，STLM作为了解；聚类：如何从混合密度估计到kmeans；准则；挑战性问题；层次聚类；谱聚类（原理，写出一种算法，基本计算过程）。强调问题的描述！！建模！！有无标签，原理（准则，如反向传播-误差传播），任务。adaboost的原理，基本智能过程，为什么有效（最大margin算法-支持向量机）。adaboost那节课的重点是模型选择的原则，分类器集成的基本方法，以及adaboost的原理及其训练的基本计算步骤。

本书为清华大学经典教材，可作为本科生教材，也可用于研究生或工程人员的参考书目。内容详实，结合实例，至今仍被一线研发人员奉为经典。

身高、体重两特征，在单特征身高、单特征体重、双特征不相关、双特征相关四种情况下，基于最小错误率和最小风险，共计24个分类器。

SVM算法分类iris和sonar数据集.pdf

模式识别基于贝叶斯分类器的图像全局分割，自适应分割