 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

提出了一种基于特征波形稀疏匹配的滚动轴承故障模式识别方法.该方法通过自行设计的搜索算法从信号中提取多段特征波形,并对其进行学习优化,以优化后的特征波形作为基原子模型生成原子库及模式匹配库.将待识别信号在模式匹配库上进行一阶匹配分析,实现轴承故障的模式识别.对正常轴承、滚动体故障、内圈故障和外圈故障信号进行实验,验证了方法的有效性和鲁棒性

针对传统最小二乘多项式板形模式识别方法鲁棒性差、各分项物理意义不明确,以及普通BP(back propagation)识别法精度低等问题,选用勒让德多项式作为板形基本模式,提出一种基于二叉树型分层BP的板形模式识别并行计算模型.该模型通过逐层细化预测范围并选用多个神经网络进行递推.实验结果表明,采用此方法不仅增强了系统的抗干扰能力,而且提高了系统的识别精度

引入以三次勒让德多项式表达的基本板形模式,并采用基于最小二乘原理的回归分析方法建立了板形模式识别模型.对某厂2180 mm CVC(continuously variable crown)超宽带钢冷连轧机和1550 mm UCM(universal crown mill)普通宽带钢冷连轧机的板形进行了识别与对比,结果表明对超宽带钢轧机板形而言,引入三次基本板形模式识别出的主要板形缺陷为\OS(operating side)单侧肋浪加DS(driving side)单边浪\,未引入为\四分之一浪\;对普通宽带钢轧板形,识别结果均为\中浪\,验证了在超宽带钢冷连轧机板形模式识别中引入三次基本板形模式的必要性,并讨论了此模型在超宽带钢冷连轧机板形缺陷分析及非对称板形控制方面的应用价值

1 统计学习的定义 2 统计模式识别的应用案例 3 统计模式识别系统框架与设计周期 统计模式识别系统框架 统计模式识别设计周期 4 一个案例 5 基本概念 6 机器学习在人工智能中的位置

模式识别模拟的是人类一部分智能—识别、判断能力，而人类的智能活动都是在大脑的 神经系统中完成的，如果我们能够模拟人类大脑的工作机理来实现识别系统，应该能够取得 好的效果。人工神经网络的研究证实在这方面所进行的探索

一、模式识别的概念 模式：泛指一切客观事物的存在形式。从工程 角度讲是指客观事物存在形式的数学表达。 识别：人的识别过程是一个非常复杂的心理和 生理过程。从工程的角度讲，识别可以看作是 一个分类问题

第一节 模糊数学简介 第二节 模糊数学的基础知识 一、集合及其特征函数 二、模糊集合 第三节 模式识别 一、模式识别及识别的直接方法 二、贴近度与模式识别的间接方法 第四节 模糊综合评判及其应用 一、模糊综合评判 二、应用实例

基于最优分类线的概念,提出了一种新的模式识别分类器构建方法——判别域界面几何法.该方法利用BP神经网络的高度非线性,将模式类样本数据从高维输入空间映射至二维判别域空间后,采用多边形中轴提取方法,构造模式类间隙多边形的中轴线,延伸至整个二维判别域空间,生成模式类决策边界.以铁路货车车轮用双列圆锥滚子轴承的故障诊断为例,介绍了判别域界面几何法的应用过程.结果表明,判别域界面几何法能在二维判别域空间上给出各不同故障模式类之间明确的界限,这就给操作者直观判断故障模式类别提供了条件

9.1 社交媒体大数据应用背景分析 9.2 社交媒体大数据行为模式识别的热点研究方向 9.3 社交媒体大数据应用创新：以跨域行为模式识别为例 9.4 社交媒体大数据跨域行为模式识别的技术体系 9.5 社交媒体行为大数据应用创新的案例分析 9.6 本章小结