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

Active learning(主动学习):query,response

distance metric learning(距离度量学习)

ensemble learning(集成学习)

Graphical Models（图模型）

Kernel Methods(核方法，映射到多维空间，线性分开)

Semi-supervised Learning(半监督学习）

Transfer Learning(迁移学习)

4.内容安排

引言，贝叶斯决策理论，条件随机场，近邻法，凸优化与支持向量机，人工神经网络，非监督学习-聚类，降维特征提取等，前沿论文阅读与报告