有监督的学习 =有先验知识的随机模式学习 例1：用已知的类隶属度作为随机模式学习的有监督学习 模式：定义为模式空间R”的一个点； 时变模式：空间R”中的一条轨迹线； 映射x:[0,T]→R”定义了从时间区间[0，T]到模式空间R” 中单点的映射。 概率密度p(x):为模式x在R”中的分布的一种描述。 模式类：为空间R”的子集。 目的：是用已知的样本：x(1),x(2)…及模式类来估计p(x)有监督的学习 ＝有先验知识的随机模式学习 幻灯片 5 例1：用已知的类隶属度作为随机模式学习的有监督学习 模式：定义为模式空间 的一个点； n R 时变模式：空间 中的一条轨迹线； 映射 :[0, ] n x T R → 定义了从时间区间 [0, ] T 到模式空间 n R 中单点的映射。 概率密度 p x( ) :为模式 x 在 中的分布的一种描述。 模式类：为空间 的子集。 目的：是用已知的样本： x x (1), (2) 及模式类来估计 p x( ) n R n R n R