初识羽毛球机器人 羽毛球机器人结构 羽毛球机器人嵌入式系统设计 羽毛球机器人运动控制系统设计 羽毛球机器人传感器系统设计 羽毛球机器人视觉系统软件 机器人操作系统 机器人导航与路径规划 羽毛球机器人定位与视觉系统设计

一维无界、半无界域上波动方程求解 (一)、无界域上波动方程定解问题求解 (二)、半无界域上波动方程定解问题求解

2.1 大气的基本特性 2.2 大气辐射传输方程 2.3 大气辐射传输方程求解原理 2.4 大气校正模型 2.5 遥感图像的大气校正实例 2.6 大气参数遥感反演实例

模式识别的三大核心问题： •特征数据采集与预处理 •分类识别 •特征选择与提取 分类识别的正确率取决于对象的表示、训练学习和分类识别算法，我们在前面各章的介绍中详细讨论了第二方面的内容。本章介绍的特征提取与选择问题则是对象表示的一个关键问题

 聚类分析的概念 一、聚类分析的基本思想 ★相似的归为一类。 ★模式相似性的度量。 ★无监督分类算法。 二、特征量的类型 ★物理量----(重量、长度、速度) ★次序量----(等级、技能、学识) ★名义量----(性别、状态、种类)  模式相似性测度  类的定义与类间距离  聚类的算法

 特征选择  从D个原始特征中，选择其中的d个特征。保持了原有特征的物理含义  特征变换  对D个原始特征进行一定的数学变换，得到d组新特征，往往不具有原始特征对应的物理含义

4.1 基本原理及问题 4.2 统计估算方法 4.3 优化反演方法 4.4 查找表方法 4.5 综合反演方法 4.6 基于知识的不确定性反演方法

1. 光的基本属性 2. 电磁场基本方程 3. 光波的表示 4. 光波的偏振 5. 单色平面波的反射与折射 6. 电介质及其折射率 7. 波动方程 8. 坡印亭矢量 9. 高斯光束

贝叶斯决策理论 统计模式识别的主要方法之一 采用贝叶斯决策理论分类的前提： 目标（事物）的观察值是随机的，服从一定的概率分布。 即：模式不是一个确定向量，而是一个随机向量

 掌握模式识别的基本概念  掌握模式识别的基本步骤与流程  掌握模式识别经典算法的基本原理，了解其优缺点与适用范围  对实际生活中的识别问题建模，完成自动识别系统的构建  为研究新的模式识别的理论和方法打下基础