拉普拉斯说: “概率论只不过是把常识用数学公式表达了出来.” 我们的数学模型都不过是对客观事件规律的一个总结. 贝叶斯定理正是如此.      既然提到贝叶斯定理,就不得不提到频率学派(Frequentists)和贝叶斯学派(Bayesians).频率学派最重要的就是不断的重复(越多越 好, 趋近于无限);而贝叶斯学派讲的都是抽样和分布. 虽然贝叶斯学派的兴起才短短二十多年,但是从那时起两

在正态分布中σ代表标准差,μ代表均值。x=μ即为图像的对称轴3σ原则为数值分布在（μ-σ,μ+σ)中的概率为0.6826数值分布在（μ-2σ,μ+2σ)中的概率为0.9544数值分布在（μ-3σ,μ+3σ)中的概率为0.9974可以认为，Y 的取值几乎全部集中在（μ-3σ,μ+3σ)]区间内，超出这个范围的可能性仅占不到0.3%.3σ准则是建立在正态分布的等精度重复测量

据 Drew 所知最短路经算法现在重要的应用有计算机网络路由算法，机器人探路，交通路线导航，人工智能，游戏设计等等。美国火星探测器核心的寻路算法就是采用的D*（D Star）算法。    最短路经计算分静态最短路计算和动态最短路计算。    静态路径最短路径算法是外界环境不变，计算最短路径。主要有Dijkstra算法，A*（A Star）算法。     动态路径最短路是外界

在机器学习中经常需要计算协方差矩阵，本科时没学过这个概念，一直对此非常头疼。现在试图通过实例的计算、图形化的表示来梳理一下什么是协方差矩阵。A numerical example问题：有一组数据（如下），分别为二维向量，这四个数据对应的协方差矩阵是多少？解答：由于数据是二维的，所以协方差矩阵是一个2*2的矩阵，矩阵的每个元素为：元素(i,j)

国际权威的学术组织the IEEE International Conference on Data Mining (ICDM) 2006年12月评选出了数据挖掘领域的十大经典算法：C4.5, k-Means, SVM, Apriori, EM, PageRank, AdaBoost, kNN, Naive Bayes, and CART. 不仅仅是选中的十大算法，其实参加评选的1

本篇介绍图像处理与模式识别中最热门的一个领域——人脸检测（人脸识别）。人脸检测可以说是学术界的宠儿，在不少EI，SCI高级别论文都能看到它的身影。甚至很多高校学生的毕业设计都会涉及到人脸检测。当然人脸检测的巨大实用价值也让很多公司纷纷关注，很多公司都拥有这方面的专利或是开发商业产品出售。    在OpenCV中，人脸检测也是其热门应用之一。在OpenCV的特征检测专题就详细介绍了人脸检测的

（一）SVM的八股简介支持向量机(Support Vector Machine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中[10]。支持向量机方法是建立在统计学习理论的VC 维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性（即对特定训练样本的学习精度，Ac

（一）SVM的八股简介支持向量机(Support Vector Machine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中[10]。支持向量机方法是建立在统计学习理论的VC 维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性（即对特定训练样本的学习精度，Accu

1. 首先一定要注意杂志的发表范围, 超出范围的千万别投,要不就是浪费时间;另外，每个杂志都有他们的具体格式要求，一定要按照他们的要求把论文写好，免得浪费时间，前些时候，我的一个同事向一个著名的英文杂志投稿，由于格式问题，人家过两个星期就退回来了，而且说了很多难听的话，说投稿前首先就应该看清楚他们的格式要求；2. 论文写作一定要言简意赅,特别是摘要,引言和结论部分,特别是摘要和结论不能重复,发

引 言在博文【模式识别PR和模式的概念】介绍了相关的模式识别与模式的概念。在本节描述所要讨论的问题之前，再提一下对于待识别的物理对象的描述问题。假设一个待识别的物理对象用其d个属性观察值描述，称之为d个特征，这组成一个d维的特征向量，而这d维待征所有可能的取值范围则组成了一个d维的特征空间。======为了说明这句话，我们讨论一个具体的例子======假设苹果的直径尺寸