主要内容： 模式识别概论统计模式识别 模式识别基本概念、主要方法的各自特点、贝叶斯决策、概率密度估计、聚类分析 特征提取与特征选择 线性特征提取、各种准则和搜索算法 人工神经网络 多层前馈神经网络、RBF网络、自组织影射(SOM)等 核方法 支持向量机、核空间特征提取(KPCA, KFDA) 多分类器系统 分类器融合方法、Bagging, Boosting, ECOC 句法结构模式识别 句法模式识别基本概念、属性串和属性图匹配、HMM Discriminative Learning Loss functions, MCE for LVQ and HMM Local learning Local subspace, metric learning 图模型 MRF,CRF, belief propagation, graph cut 半监督学习 Self-training, co-training, label propagation 图模型 MRF,CRF, belief propagation, graph cut 半监督学习 Self-training, co-training, label propagation