模式识别入门学习

近期，公司的事情略少，于是乎开始钻研一下已经火了很久的模式识别，话说，每次公司的seminar都会提到深度学习啊，分类啊，我都像丈二的和尚，摸不着头脑。趁有时间，得补一补。

我应该先百度或谷歌一下，哪些入门材料，然后开始学习，blabla。。。

然并卵，我天性懒惰，不爱看一大堆一大堆的文字，既不生动，又显得十分枯燥。于是乎，我开始看ppt，图文并茂，重点的知识又列出来了。一个下午能刷几十页，成就感都油然而生。我就是这样，一直活在自欺自乐的世界里的。

好吧，言归正传，接下来我会从这个ppt入手，ppt不懂的再查找资料。每天记录一下当天的学习，希望哪天我真用的是的时候，能够捡的快。
http://wenku.baidu.com/link?url=MGIZmajpFKVUyJx-8BAmpvfqRG5WB2Bgw8XyePjBmGOtaEMZgKVDI11OL42jg9P1r1akvT7gv_43AXCTKwFkA5f2EXfMJ4IcPBLYhNDnVr7
貌似是清华大学的模式识别课程，没准还可以找到其他相关的信息呢！

嘿嘿，果然找到了，相关课程的视频，还有参考书目网上有哦！
http://www.icourses.cn/coursestatic/course_4366.html
参考书：《现代模式识别》
http://vdisk.weibo.com/s/aOL2uYMILo_qV
p42页这块，好长的公式啊，我一看到长串的公式心里就畏难。那么，这一块的内容，我先给它的提纲抽出来，然后逐个概念理解，发现也没有那么难。



Update by 2016.5.12

接下来我们来到第二章，聚类分析

正所谓人以类聚，物以群分，相同的人，因为他们有共同的特点，很容易聚在一起，聚类分析的目的，就是将相似的归为一类。

聚类过程的基本步骤如下：

特征选择，字面意思还比较好理解，而且不一样的分类任务，特征选取也有不一样的讲究，所以ppt没有专门讲这个点了。接下来时讲到模式相似性的测度。

模式相似性测度用于描述各模式之间特征的相似性程度。

主要分：

1.距离测度

两个矢量矢端的距离，常用的有











感觉马氏距离好像挺重要，又挺云里雾里的~

ppt中介绍了一个例子：



这个例子说明了，马氏距离比欧式距离更有效！

2.相似测度

3.匹配测度