模式识别考点总结（第7-12个ppt）

接上文。

⑦ 第六章 近邻法

• 三种近邻法

• 近邻法是模板匹配

• 全部样本作为代表点

• 近邻法的计算量

• 近邻法的错误率

• 两个样本集搜索规则

• 压缩近邻法的步骤

⑧ 第七章 主成分分析（PCA）

• 主成分分析基本概念

• 主成分分析是非监督算法

• 采用何种策略确定主成分个数

⑨ 第八章 人工神经网络

• 三种神经网络

• 神经网络三要素

• 前馈神经网络结构

• 前馈神经网络的Wij怎么算

• 前馈神经网络的Wij的正负性

• 反馈神经网络结构（多层感知器有哪几层）

• 自组织神经网络结构

⑩ 第九章 无监督与模糊学习

• 单峰子集的两种分类方法

• 投影方法

• 如何选择投影方向？

• ISODATA相对C均值的优势

• 分级聚类方法

• 这两张图怎么看？

• 区分哪个是模糊集

• 区分哪个是改进的C均值

⑾ 第十章 流行与集成学习

• 哪三种流型？

• 多维尺度变换（MDS）计算测地距离失效

⑿ 第十一章 统计学习理论与方法

• 机器学习三个函数：风险、均方误差、似然函数

• 期望风险与经验风险谁高谁低

• 风险与能力

• VC维（d+1和无穷）

• 支持向量机分类面方程与支撑面间隔

• 广义支持向量机的两个目标

• 惩罚函数

• 增加一维再线性分割

• SVM与维度无关

• 核函数

• 怎样使用核函数