◼ 树的基本概念 ◼ 二叉树 ◼ 二叉树的存储表示 ◼ 二叉树的遍历及其应用 ◼ 二叉树遍历的非递归算法 ◼ 二叉树的计数 ◼ 树与二叉树的转换 ◼ 堆 ◼ Huffman树及其应用

• 一、研究区简介 • 二、实验数据采集及预处理 • 三、反演物理模型 • 四、物理模型 • 五、实验步骤 • 六、实验结果 • 七、结果分析 • 八、存在的问题 • 九、主要参考文献

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

◼ 1、概述 ◼ 1.1、机器学习的应用 ◼ 1.2 、什么是机器学习 ◼ 1.3、机器学习的发展 ◼ 1.4、机器学习的分类 ◼ 1.5 机器学习的资源 ◼ 2、机器学习的数学基础 ◼ 3、机器学习的术语 ◼ 4、基于案例的机器学习流程简介 ◼ 5、机器学习算法简介 ◼ 6、机器学习实例演示

• 查询优化概述 • 相关反馈(relevance feedback) • 相关反馈概述 • Rocchio 相关反馈算法 • 隐式相关反馈 • 伪相关反馈 • 相关反馈的假设条件及评价方法 • 查询扩展(Query expansion)

•从文本分类图像分类 • 如何从图像中获取全局特征？ • 颜色特征、纹理特征、形状特征 • 如何从图像中获取局部特征？ • SIFT: Scale-invariant feature transform •图像分类的几个发展阶段 • Low-level Modelling • Semantic Modelling • Sparse Coding • Deep Learning

一、三重积分的概念 二、在直角坐标系中三重积分的算法 三、在柱面坐标系下三重积分的计算 四、在球面坐标系下三重积分的计算 五、三重积分的应用

一、对面积的曲面积分的概念与性质 二、对面积的曲面积分的算法

• 细分曲面的基本思想 • 两个关键问题 • 一些基本概念 • 几种简单的细分曲面算法 • 细分曲面方法分类

一、 对坐标的曲面积分的概念与性质 二、对坐标的曲面积分的算法 三、两类曲面积分之间的联系