这是网络数据挖掘的第二部分的绪论，这部分由中国科学院计算技术研究所的沈老师讲授，他用风趣幽默的语言再加上故事性的讲授，不仅让整个课堂活跃了起来，也让我们收获了颇多。写博客希望将自己的学到的东西记录下来，为以后方便记忆和查找，另外，督促学习。复杂系统人是一切关系的总和。整体是其各部分的总和以及各部分之间的交互。儿童提出的问题叫科学；专家提出的问题叫技术。什么是网络？由通过多种交互关系

DTW为(Dynamic Time Warping,动态时间归准)的简称。应用很广，主要是在模板匹配中，比如说用在孤立词语音识别，计算机视觉中的行为识别，信息检索等中。可能大家学过这些类似的课程都看到过这个算法，公式也有几个，但是很抽象，当时看懂了但不久就会忘记，因为没有具体的实例来加深印象。这次主要是用语音识别课程老师上课的一个题目来理解DTW算法。　　首先还是介绍下DTW的思想：假设现在有

特征维度问题高维数据中包含了大量的冗余并隐藏了重要关系的相关性，降维的目的就是消除冗余，减少被处理数据的数量。为了提高统计模式识别的正确识别率，人们通常需要采集数量巨大的数据特征，使得原始空间或输入空间的维数可能高达几千维或万维。如果直接在输入空间上进行分类器训练，就可能带来两个棘手的问题：（1）很多在低维空间具有良好性能的分类算法在计算上变得不可行；（2）在训练样本容量一定的前提下，特征维数的

数据挖掘和机器学习的区别和联系，周志华有一篇很好的论述《机器学习与数据挖掘》可以帮助大家理解。数据挖掘受到很多学科领域的影响，其中数据库、机器学习、统计学无疑影响最大。简言之，对数据挖掘而言，数据库提供数据管理技术，机器学习和统计学提供数据分析技术。由于统计学往往醉心于理论的优美而忽视实际的效用，因此，统计学界提供的很多技术通常都要在机器学习界进一步研究，变成有效的机器学习算法之后才能再进入数据挖

一、引言模式识别是研究如何让机器能观察环境，并从环境背景中将感兴趣的目标提取分离、分类的过程；给定一个模式，它的识别、分类包含以下两方面的任务：指导性分类及非指导性分类。所以识别问题基本等价于分类、分组的问题，类（组）的概念是有设计者指定的或有算法依据数据在一定的相似性准则下建立的。模式识别应用的领域越来越广，从生物学、数据挖掘、文档分类、文档图像分析、工业自动化、多媒体数据库检

1　统计模式识别的原理与方法简介　　1.1 模式识别　　什么是模式和模式识别？广义地说，存在于时间和空间中可观察的事物，如果可以区别它们是否相同或相似，都可以称之为模式；狭义地说，模式是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；把模式所属的类别或同一类中模式的总体称为模式类(或简称为类）]。而“模式识别”则是在某些一定量度或观测基础上把待识模式划分到各自的模式类中去。　　模