|
|
人工智能之模式识别
〖课程目录〗:
中国大学MOOC 人工智能之模式识别 [4.3G]
┣━━{1}--模块1课程导论 [225.1M]
┃ ┣━━{1}--学习目标：理解模式识别的定义，了解课程学习目标、学习内容和学习方 [0B]
┃ ┣━━{2}--1.1什么是模式识别？ [181.9M]
┃ ┃ ┣━━(1.2.1)--1.1课程文档.pdf [967.2K]
┃ ┃ ┣━━[1.2.1]--1.1.1人工智能之模式识别.mp4 [43M]
┃ ┃ ┣━━[1.2.2]--1.1.2模式识别的定义.mp4 [69.1M]
┃ ┃ ┗━━[1.2.3]--1.1.3模式识别的广泛应用.mp4 [68.9M]
┃ ┗━━{3}--1.2课程学习导引 [43.2M]
┃ ┣━━(1.3.1)--1.2课程文档.pdf [575.7K]
┃ ┣━━[1.3.1]--1.2.1学习目标和学习内容.mp4 [23.5M]
┃ ┗━━[1.3.2]--1.2.2学习方法和学习路径.mp4 [19.1M]
┣━━{10}--模块10结构模式识别 [405.3M]
┃ ┣━━{1}--学习目标：1.理解结构模式识别的基础概念和基本原理；2.理解与句 [0B]
┃ ┣━━{2}--10.1结构模式识别原理 [256.8M]
┃ ┃ ┣━━(10.2.1)--10.1课程文档.pdf [727.1K]
┃ ┃ ┣━━[10.2.1]--10.1.1结构模式识别的基本概念.mp4 [37.7M]
┃ ┃ ┗━━[10.2.2]--10.1.2结构模式识别的主要方法.mp4 [218.4M]
┃ ┣━━{3}--10.2形式语言理论基础 [73.6M]
┃ ┃ ┣━━(10.3.1)--10.2课程文档.pdf [371.9K]
┃ ┃ ┣━━[10.3.1]--10.2.1形式语言理论的基本概念.mp4 [27.7M]
┃ ┃ ┗━━[10.3.2]--10.2.2四种文法类型.mp4 [45.5M]
┃ ┣━━{4}--10.3句法分析方法 [54.3M]
┃ ┃ ┣━━(10.4.1)--10.3课程文档.pdf [262.9K]
┃ ┃ ┗━━[10.4.1]--10.3句法分析方法.mp4 [54M]
┃ ┗━━{5}--10.4算法实例演示：句法识别 [20.5M]
┃ ┣━━(10.5.1)--10.4课程文档.pdf [455.3K]
┃ ┗━━[10.5.1]--10.4算法实例演示：句法识别.mp4 [20.1M]
┣━━{2}--模块2模式识别系统 [298.4M]
┃ ┣━━{1}--学习目标：1.理解模式识别的基础概念：包括特征与特征空间、有监督 [0B]
┃ ┣━━{2}--2.1模式识别的基本概念 [151.3M]
┃ ┃ ┣━━(2.2.1)--2.1课程文档.pdf [624.1K]
┃ ┃ ┣━━[2.2.1]--2.1.1特征与特征空间.mp4 [33.3M]
┃ ┃ ┣━━[2.2.2]--2.1.2有监督学习与无监督学习.mp4 [29.1M]
┃ ┃ ┣━━[2.2.3]--2.1.3紧致性与维数灾难.mp4 [32.3M]
┃ ┃ ┣━━[2.2.4]--2.1.4泛化能力与过拟合.mp4 [25.3M]
┃ ┃ ┗━━[2.2.5]--2.1.5模式识别系统.mp4 [30.8M]
┃ ┣━━{3}--2.2模式识别的算法体系 [64.1M]
┃ ┃ ┣━━(2.3.1)--2.2课程文档.pdf [231.4K]
┃ ┃ ┗━━[2.3.1]--2.2模式识别的算法体系.mp4 [63.9M]
┃ ┣━━{4}--2.3第一个模式识别算法实例 [61M]
┃ ┃ ┣━━(2.4.1)--2.3课程文档.pdf [495.1K]
┃ ┃ ┣━━(2.4.2)--课程数据集简介.pdf [204.5K]
┃ ┃ ┣━━[2.4.1]--2.3.1问题：手写数字识别.mp4 [40.5M]
┃ ┃ ┗━━[2.4.2]--2.3.2算法：从模板匹配开始.mp4 [19.9M]
┃ ┗━━{5}--2.4算法实例演示-模板匹配 [22M]
┃ ┣━━(2.5.1)--2.4课程文档.pdf [483.2K]
┃ ┗━━[2.5.1]--2.4算法实例演示：模板匹配.mp4 [21.5M]
┣━━{3}--模块3线性分类器 [660M]
┃ ┣━━{1}--学习目标：1.理解线性分类器的基本原理：包括线性判别和广义线性判 [0B]
┃ ┣━━{2}--3.1线性判别 [196.5M]
┃ ┃ ┣━━(3.2.1)--3.1课程文档.pdf [1.1M]
┃ ┃ ┣━━[3.2.1]--3.1.1线性判别和广义线性判别.mp4 [42.7M]
┃ ┃ ┣━━[3.2.2]--3.1.2多分类线性判别.mp4 [48.6M]
┃ ┃ ┗━━[3.2.3]--3.1.3线性判别函数的几何意义.mp4 [104.1M]
┃ ┣━━{3}--3.2感知器算法 [173.8M]
┃ ┃ ┣━━(3.3.1)--3.2课程文档.pdf [1.6M]
┃ ┃ ┣━━[3.3.1]--3.2.1线性分类器训练的一般思路.mp4 [34M]
┃ ┃ ┣━━[3.3.2]--3.2.2感知器算法的原理.mp4 [47.4M]
┃ ┃ ┣━━[3.3.3]--3.2.3感知器算法的学习速率.mp4 [21.8M]
┃ ┃ ┗━━[3.3.4]--3.2.4感知器算法的深入分析.mp4 [69M]
┃ ┣━━{4}--3.3算法实例演示：线性分类器 [20.1M]
┃ ┃ ┣━━(3.4.1)--3.3课程文档.pdf [460.4K]
┃ ┃ ┗━━[3.4.1]--3.3算法实例演示：线性分类器.mp4 [19.7M]
┃ ┣━━{5}--3.4LMSE算法 [71.5M]
┃ ┃ ┣━━(3.5.1)--3.4课程文档.pdf [455.8K]
┃ ┃ ┣━━[3.5.1]--3.4.1线性分类器的松弛求解.mp4 [34.1M]
┃ ┃ ┗━━[3.5.2]--3.4.2H-K算法.mp4 [37M]
┃ ┣━━{6}--3.5支持向量机 [170.7M]
┃ ┃ ┣━━(3.6.1)--3.5课程文档.pdf [1.4M]
┃ ┃ ┣━━[3.6.1]--3.5.1支持向量机的原理.mp4 [42.9M]
┃ ┃ ┣━━[3.6.2]--3.5.2结构风险最小化准则.mp4 [48.5M]
┃ ┃ ┣━━[3.6.3]--3.5.3线性不可分时的SVM之一软间隔支持向量机.mp4 [35.5M]
┃ ┃ ┗━━[3.6.4]--3.5.4线性不可分时的SVM之二非线性支持向量机.mp4 [42.4M]
┃ ┗━━{7}--3.6算法实例演示：支持向量机 [27.3M]
┃ ┣━━(3.7.1)--3.6课程文档.pdf [480.6K]
┃ ┗━━[3.7.1]--3.6算法实例演示：支持向量机.mp4 [26.8M]
┣━━{4}--模块4贝叶斯分类器 [479.1M]
┃ ┣━━{1}--学习目标：1.理解贝叶斯分类器的原理，并能够编程实现贝叶斯分类器 [0B]
┃ ┣━━{2}--4.1贝叶斯分类器 [280.8M]
┃ ┃ ┣━━(4.2.1)--4.1课程文档.pdf [1.5M]
┃ ┃ ┣━━[4.2.1]--4.1.1逆概率推理与贝叶斯公式.mp4 [54.7M]
┃ ┃ ┣━━[4.2.2]--4.1.2贝叶斯分类的原理.mp4 [44.9M]
┃ ┃ ┣━━[4.2.3]--4.1.3几种常用的贝叶斯分类器.mp4 [85.9M]
┃ ┃ ┣━━[4.2.4]--4.1.4正态分布下的贝叶斯分类.mp4 [72M]
┃ ┃ ┗━━[4.2.5]--4.1.5贝叶斯分类的错误率.mp4 [21.8M]
┃ ┣━━{3}--4.2贝叶斯分类器的训练 [59.2M]
┃ ┃ ┣━━(4.3.1)--4.2课程文档.pdf [443K]
┃ ┃ ┣━━[4.3.1]--4.2.1贝叶斯分类器的训练.mp4 [21.7M]
┃ ┃ ┗━━[4.3.2]--4.2.2极大似然估计和贝叶斯估计.mp4 [37M]
┃ ┣━━{4}--4.3算法实例演示：贝叶斯分类器 [19.9M]
┃ ┃ ┣━━(4.4.1)--4.3课程文档.pdf [476.8K]
┃ ┃ ┗━━[4.4.1]--4.3算法实例演示：贝叶斯分类器.mp4 [19.5M]
┃ ┣━━{5}--4.4最近邻算法 [100.7M]
┃ ┃ ┣━━(4.5.1)--4.4课程文档.pdf [751.5K]
┃ ┃ ┣━━[4.5.1]--4.4.1最近邻规则和最近邻分类器.mp4 [47.4M]
┃ ┃ ┗━━[4.5.2]--4.4.2K近邻算法及其优化.mp4 [52.5M]
┃ ┗━━{6}--4.5算法实例演示：最近邻算法 [18.5M]
┃ ┣━━(4.6.1)--4.5课程文档.pdf [466.6K]
┃ ┗━━[4.6.1]--4.5算法实例演示：最近邻算法.mp4 [18M]
┣━━{5}--模块5特征降维 [196.1M]
┃ ┣━━{1}--学习目标：1.理解特征降维的基本概念；2.理解特征降维的主要方法 [0B]
┃ ┣━━{2}--5.1特征降维的基本概念 [105M]
┃ ┃ ┣━━(5.2.1)--5.1课程文档.pdf [1.3M]
┃ ┃ ┣━━[5.2.1]--5.1.1特征降维的主要方法.mp4 [61.5M]
┃ ┃ ┗━━[5.2.2]--5.1.2类别可分性度量.mp4 [42.2M]
┃ ┗━━{3}--5.2特征降维算法 [91M]
┃ ┣━━(5.3.1)--5.2课程文档.pdf [512.6K]
┃ ┣━━[5.3.1]--5.2.1特征提取算法.mp4 [26M]
┃ ┗━━[5.3.2]--5.2.2特征选择算法.mp4 [64.5M]
┣━━{6}--模块6聚类算法 [522.7M]
┃ ┣━━{1}--学习目标：1.理解数据聚类的基本概念、特点和聚类算法的一般流程； [0B]
┃ ┣━━{2}--6.1什么是数据聚类？ [218.9M]
┃ ┃ ┣━━(6.2.1)--6.1课程文档.pdf [1.8M]
┃ ┃ ┣━━[6.2.1]--6.1.1数据聚类的定义.mp4 [76.3M]
┃ ┃ ┣━━[6.2.2]--6.1.2数据聚类的特点.mp4 [40M]
┃ ┃ ┣━━[6.2.3]--6.1.3数据聚类的应用.mp4 [57.3M]
┃ ┃ ┗━━[6.2.4]--6.1.4数据聚类的流程.mp4 [43.5M]
┃ ┣━━{3}--6.2主要聚类算法 [276.8M]
┃ ┃ ┣━━(6.3.1)--6.2课程文档.pdf [1.4M]
┃ ┃ ┣━━[6.3.1]--6.2.1试探法聚类.mp4 [30.8M]
┃ ┃ ┣━━[6.3.2]--6.2.2层次法聚类.mp4 [193.5M]
┃ ┃ ┗━━[6.3.3]--6.2.3动态聚类算法.mp4 [51.1M]
┃ ┗━━{4}--6.3算法实例演示：k均值聚类 [27M]
┃ ┣━━(6.4.1)--6.3课程文档.pdf [463.7K]
┃ ┗━━[6.4.1]--6.3算法实例：k均值聚类.mp4 [26.5M]
┣━━{7}--模块7组合分类器 [217.8M]
┃ ┣━━{1}--学习目标：1.理解组合分类器的原理；2.理解Adaboost算法 [0B]
┃ ┣━━{2}--7.1组合分类的原理 [75.9M]
┃ ┃ ┣━━(7.2.1)--7.1课程文档.pdf [623.3K]
┃ ┃ ┣━━[7.2.1]--7.1.1组合分类器的概念.mp4 [42.1M]
┃ ┃ ┗━━[7.2.2]--7.1.2组合分类器的主要类型.mp4 [33.2M]
┃ ┣━━{3}--7.2典型的组合分类算法 [97M]
┃ ┃ ┣━━(7.3.1)--7.2课程文档.pdf [758.9K]
┃ ┃ ┣━━[7.3.1]--7.2.1随机森林算法.mp4 [42.9M]
┃ ┃ ┗━━[7.3.2]--7.2.2Adaboost算法.mp4 [53.4M]
┃ ┣━━{4}--7.3算法实例演示：Adaboost [22.8M]
┃ ┃ ┣━━(7.4.1)--7.3课程文档.pdf [653.3K]
┃ ┃ ┗━━[7.4.1]--7.3算法实例演示：Adaboost.mp4 [22.2M]
┃ ┗━━{5}--7.4算法实例演示：随机森林 [22M]
┃ ┣━━(7.5.1)--7.4课程文档.pdf [472.4K]
┃ ┗━━[7.5.1]--7.4算法实例演示：随机森林.mp4 [21.5M]
┣━━{8}--模块8模糊模式识别 [432.4M]
┃ ┣━━{1}--学习目标：1.理解与模糊模式识别相关的模糊数学基础知识；2.理解 [0B]
┃ ┣━━{2}--8.1模糊模式识别的基础知识 [283.5M]
┃ ┃ ┣━━(8.2.1)--8.1课程文档.pdf [852.8K]
┃ ┃ ┣━━[8.2.1]--8.1.1模糊集合的定义及基本运算.mp4 [86.1M]
┃ ┃ ┗━━[8.2.2]--8.1.2模糊关系及模糊矩阵.mp4 [196.5M]
┃ ┣━━{3}--8.2模糊模式识别算法 [119.3M]
┃ ┃ ┣━━(8.3.1)--8.2课程文档.pdf [1M]
┃ ┃ ┣━━[8.3.1]--8.2.1模糊模式识别的算法体系.mp4 [13.9M]
┃ ┃ ┣━━[8.3.2]--8.2.2最大隶属度识别法.mp4 [27.9M]
┃ ┃ ┣━━[8.3.3]--8.2.3择近原则识别法.mp4 [31.2M]
┃ ┃ ┗━━[8.3.4]--8.2.4模糊聚类算法.mp4 [45.3M]
┃ ┗━━{4}--8.3算法实例演示：模糊k均值聚类 [29.6M]
┃ ┣━━(8.4.1)--8.3课程文档.pdf [480.1K]
┃ ┗━━[8.4.1]--8.3算法实例演示：模糊k均值聚类.mp4 [29.2M]
┣━━{9}--模块9神经网络分类器 [977.2M]
┃ ┣━━{1}--学习目标：1.理解人工神经元网络的基本概念和用于模式识别的基本原 [0B]
┃ ┣━━{2}--9.1人工神经元网络的基本概念 [257.8M]
┃ ┃ ┣━━(9.2.1)--9.1课程文档.pdf [1.6M]
┃ ┃ ┣━━[9.2.1]--9.1.1人工神经元模型.mp4 [56.8M]
┃ ┃ ┣━━[9.2.2]--9.1.2人工神经元网络.mp4 [80.4M]
┃ ┃ ┣━━[9.2.3]--9.1.3人工神经元的学习规则.mp4 [66.1M]
┃ ┃ ┗━━[9.2.4]--9.1.4人工神经网络的学习规则.mp4 [52.8M]
┃ ┣━━{3}--9.2浅层神经网络 [144.6M]
┃ ┃ ┣━━(9.3.1)--9.2课程文档.pdf [910.9K]
┃ ┃ ┣━━[9.3.1]--9.2.1感知器网络.mp4 [60.3M]
┃ ┃ ┗━━[9.3.2]--9.2.2BP网络.mp4 [83.3M]
┃ ┣━━{4}--9.3算法实例演示：BP算法 [71.9M]
┃ ┃ ┣━━(9.4.1)--9.3课程文档.pdf [470.5K]
┃ ┃ ┗━━[9.4.1]--9.3算法实例演示：BP算法.mp4 [71.4M]
┃ ┣━━{5}--9.4深度学习 [466.2M]
┃ ┃ ┣━━(9.5.1)--9.4课程文档.pdf [1.6M]
┃ ┃ ┣━━[9.5.1]--9.4.1深度学习的概念与特点.mp4 [42.9M]
┃ ┃ ┣━━[9.5.2]--9.4.2深度信念网络的结构.mp4 [28.9M]
┃ ┃ ┣━━[9.5.3]--9.4.3深度信念网络的训练.mp4 [104M]
┃ ┃ ┣━━[9.5.4]--9.4.4卷积神经网络的原理.mp4 [66.7M]
┃ ┃ ┗━━[9.5.5]--9.4.5卷积神经网络的结构与训练.mp4 [222.1M]
┃ ┗━━{6}--9.5算法实例演示：CNN [36.8M]
┃ ┣━━(9.6.1)--9.5课程文档.pdf [489.2K]
┃ ┗━━[9.6.1]--9.5算法实例演示：CNN.mp4 [36.3M]
〖百度网盘下载地址〗:
---------------------------------华丽分割线--------------------------------华丽分割线-------------------华丽分割线-------------------------华丽分割线----------------
〖下载地址失效反馈〗:
如果下载地址失效，请尽快反馈给我们，我们尽快修复。反馈地址：http://www.51shequ.cn/forum-70-1.html
〖赞助VIP免学币下载全站资源〗:
全站资源高清无密，每天更新，vip特权了解一下：
〖客服24小时咨询〗:
有任何问题，请点击左侧QQ咨询。 |
|
发表于 2021-1-5 00:43:46
发表于 2021-2-2 21:22:34
发表于 2021-3-12 08:15:20
发表于 2021-3-21 08:46:40
