2.2产生式与判别式模式几个简单的图模型，隐马尔可夫模型（HMM）作业：写产生式模式和判别式模型，逻辑回归2.2.1分类模型     贝叶斯（产生）+模拟回归（判别） 单个类的标签进行预测2.2.2序列(sequence)模型HMM for NER 命名实体识别  HMMS 自然语言处理中的词性标注2.2.3 比较naive 贝叶斯假设，有两个做法来让产生式模型包含依赖关系三个优点：对于处理隐含变

第一章绪论1.1模式识别和模式的概念通常，我们把通过对具体的个别事物进行观测所得到的具有时间和空间分布的信息称为模式，而把模式所属的类别或同一类中模式的总体称为模式类1.2模式识别系统有两种基本的模式识别方法：统计模式识别方法和结构模式识别方法。（设计和实现）基于统计方法的模式识别系统主要由4个部分组成：数据获取，预处理，特征提取和选择，分类决策一般我们把原始数据组成的空间叫测量空间，把分类识别赖

第2章 贝叶斯决策理论（二）1.the normal densitymultivariate normal density正态分布的性质：1.u，∑唯一决定分布N2.等密度点的轨迹为一个超椭球面3.分量的不相关性=独立性4.边缘分布与条件分布是正态的5.线性变换的正态性6.线性组合的正态性2.discriminant funtions for the normal densitydecision

第一章引言1.课程名称模式识别：如何从原始输入数据中识别对象的类别，或者作出恰当的预测。机器学习：构造算法（机器）使其根据经验改进自身性能计算机视觉（质），模式识别，图形处理，机器视觉（量）2.模式识别实例人脸识别，垃圾邮件过滤，曲线拟合（欠学习，过拟合）步骤：数据获取->预处理->特征提取->分类(回归)->命令执行3.研究方向简介Acti

第二章贝叶斯决策理论2.1,2.2.1,2.2.22.1引言贝叶斯(Bayes)决策理论方法是统计模式识别中的一个基本方法，用这个方法进行分类时要求：（1）各类别的总体概率分布是已知的；（2）要决策分类的类别数是一定的。2.2几种常用的决策规则2.2.1基于最小错误率的贝叶斯决策贝叶斯公式，平均错误率2.2.2基于最小风险的贝叶斯决策R(ai|x)=1-P(wi|x)最小错误率贝叶斯决策是在0-1

第二章（二）2.2后面部分，2.3，2.42.22.2.3在限定一类错误率条件下使另一类错误率为最小的两类别决策拉格朗日2.2.4最大最小决策2.2.5序贯分类方法2.2.6分类器设计1）多类情况：判别函数，决策面方程，分类器设计2）两类情况2.3正态分布时的统计决策物理上的合理性，数学上比较简便。2.3.1正态分布概率密度函数的定义及性质1.单变量正态分布2.多元正态分布的性质（u和∑决定，等密