| |
 班級(jí)規(guī)模及環(huán)境--熱線:4008699035 手機(jī):15921673576( 微信同號(hào)) |
|
每期人數(shù)限3到5人。 |
| 上課時(shí)間和地點(diǎn) |
上課地點(diǎn)：【上海】：同濟(jì)大學(xué)(滬西)/新城金郡商務(wù)樓(11號(hào)線白銀路站) 【深圳分部】：電影大廈(地鐵一號(hào)線大劇院站)/深圳大學(xué)成教院 【北京分部】：北京中山學(xué)院/福鑫大樓 【南京分部】：金港大廈(和燕路) 【武漢分部】：佳源大廈（高新二路） 【成都分部】：領(lǐng)館區(qū)1號(hào)（中和大道） 【沈陽(yáng)分部】：沈陽(yáng)理工大學(xué)/六宅臻品 【鄭州分部】：鄭州大學(xué)/錦華大廈 【石家莊分部】：河北科技大學(xué)/瑞景大廈 【廣州分部】：廣糧大廈 【西安分部】：協(xié)同大廈
最近開(kāi)課時(shí)間(周末班/連續(xù)班/晚班）：2020年3月16日 |
| 實(shí)驗(yàn)設(shè)備 |
☆資深工程師授課
☆注重質(zhì)量
☆邊講邊練
☆合格學(xué)員免費(fèi)推薦工作
★實(shí)驗(yàn)設(shè)備請(qǐng)點(diǎn)擊這兒查看★ |
| 質(zhì)量保障 |
1、培訓(xùn)過(guò)程中，如有部分內(nèi)容理解不透或消化不好，可免費(fèi)在以后培訓(xùn)班中重聽(tīng)；
2、培訓(xùn)結(jié)束后,授課老師留給學(xué)員聯(lián)系方式,保障培訓(xùn)效果,免費(fèi)提供課后技術(shù)支持。
3、培訓(xùn)合格學(xué)員可享受免費(fèi)推薦就業(yè)機(jī)會(huì)。 |
課程大綱 |
| |
1．?模式識(shí)別概論以及概率論基本知識(shí)
內(nèi)容 |
說(shuō)明 |
概論 |
??模式識(shí)別的主要方法;
??監(jiān)督模式識(shí)別與非監(jiān)督模式識(shí)別;
??模式識(shí)別系統(tǒng)舉例;
??模式識(shí)別系統(tǒng)的典型構(gòu)成 |
概率論基礎(chǔ)知識(shí) |
??概率論基礎(chǔ)知識(shí) 貝葉斯決策,?概率密度分布
??最大似然估計(jì)
??貝葉斯估計(jì)
??維數(shù)問(wèn)題（精度、維數(shù)和訓(xùn)練集的大小； 計(jì)算復(fù)雜度；過(guò)擬合） |
概率密度分布的非參數(shù)估計(jì) |
??非參數(shù)估計(jì)的基本原理與直方圖方法
??KN近鄰估計(jì)方法
??Parzen窗法
??最近鄰規(guī)則
??距離度量和最近鄰分類
??RCE網(wǎng)絡(luò)
??級(jí)數(shù)展開(kāi)逼近
??統(tǒng)計(jì)量估計(jì)中的重采樣技術(shù)(bootstrap, jackknife) |
期望最大化(EM) |
??期望最大化 |
隱馬爾可夫模型 |
??隱馬爾可夫模型 |
抽樣方法 |
??馬爾可夫 蒙特卡洛
??Gibbs?采樣
??Slice?采樣
??混合Monte carlo算法 |
2．?監(jiān)督學(xué)習(xí)方法
內(nèi)容 |
說(shuō)明 |
線性回歸 |
??線性基礎(chǔ)模型
??偏方方差分解
??貝葉斯線性回歸
??貝葉斯模型比較
??參數(shù)估計(jì)（經(jīng)驗(yàn)貝葉斯）
??固定基礎(chǔ)函數(shù)的限制 |
特征 |
??特征選擇
2?特征的評(píng)價(jià)準(zhǔn)則
2?特征選擇的最優(yōu)算法
2?特征選擇的次優(yōu)算法
2?特征選擇的遺傳算法
2?以分類性能為準(zhǔn)則的特征選擇方法 |
??特征提取
2?基于類別可分性判據(jù)的特征提取
2?主成分分析?(圖像)
2?Karhunen-Loeve變換
2?高維數(shù)據(jù)的低維顯示
2?多維尺度法
2?非線性變換方法簡(jiǎn)介
2?多重判別分析 |
??特征提取與選擇對(duì)分類器性能估計(jì)的影響 |
分類器 |
??線性分類器
2?線性判別函數(shù)的基本概念
2?Fisher線性判別器
2?感知器
2?最小平方誤差判別
2?最優(yōu)分類器超平面與線性支持向量
2?拉普拉斯逼近（Laplace?逼近） |
??非線性分類器
2?分段判別函數(shù)
2?二次判別函數(shù)
2?多層感知機(jī)
2?支持向量機(jī)
2?核函數(shù) |
??其它分類器
2?近鄰法
2?決策樹(shù)
2?邏輯回歸
2?Boosting
2?隨機(jī)方法
2?基于規(guī)則的方法 |
系統(tǒng)評(píng)價(jià) |
??監(jiān)督模式識(shí)別方法的錯(cuò)誤率估計(jì)
??有限樣本下錯(cuò)誤率的區(qū)間估計(jì)問(wèn)題
??從分類的顯著性推斷特征與類別的關(guān)系 |
3．?非監(jiān)督學(xué)習(xí)方法
內(nèi)容 |
說(shuō)明 |
模型方法 |
??基于模型的方法
??混合模型的估計(jì)(非監(jiān)督最大似然估計(jì);
?
正態(tài)分布情況下的非監(jiān)督參數(shù)估計(jì)) |
聚類方法 |
??動(dòng)態(tài)聚類 |
??模糊聚類 |
??分級(jí)聚類 |
??自組織神經(jīng)網(wǎng)絡(luò) |
??劃分聚類 |
??聚類的準(zhǔn)則函數(shù) |
其它非監(jiān)督方法 |
??圖論方法
??在線聚類
??圖模型 |
??非監(jiān)督模式識(shí)別系統(tǒng)性能的評(píng)價(jià) |
4．?圖像處理相關(guān)內(nèi)容
內(nèi)容 |
說(shuō)明 |
圖像處理的基本方法 |
??幾何規(guī)范化?(平移，旋轉(zhuǎn)，縮放等，復(fù)原，增強(qiáng)等)
??灰度級(jí)差值?(最近鄰差值等)
??灰度規(guī)范化?(圖像平滑、直方圖均衡化、灰度變換)
??邊緣檢測(cè)，梯度算子
??形態(tài)學(xué)處理?(膨脹，腐蝕，開(kāi)操作，閉操作，細(xì)化，粗化，骨架，裁剪等) |
圖像的特征提取 |
??形狀特征(輪廓特征,?區(qū)域特征) |
??紋理特征(LBP,HOG,SURF,SIFT,HAAR?) |
??顏色特征(顏色直方圖,?顏色矩,?顏色相關(guān)圖) |
??空間關(guān)系特征(基于模型的姿態(tài)估計(jì)方法,?基于學(xué)習(xí)的姿態(tài)估計(jì)方法) |
|
|
|
|
|
|
|
|
| |
本課程部分實(shí)驗(yàn)室實(shí)景 |
|
|
|
|
|
|
首頁(yè) 課程表 在線聊 報(bào)名 講師 品牌 QQ聊 活動(dòng) 就業(yè)
