“数据处理与智能决策

第五周

明可夫斯基距离

p=0.1，人脸识别距离最好

各种距离 欧式距离、曼哈顿距离、切比雪夫距离、闵可夫斯基距离、标准欧氏距离、马氏距离、余弦距离、汉明距离、杰拉德距离、相关距离、信息熵 - 我是小随 - 博客园
1.在同一区间，映射
2.权值

升维法

第六周

模式串匹配

法二：建立索引 next[ ]数组

第七周

布隆过滤
误判率（作业）

AI

机器学习

• 有监督的学习
• 无监督的学习
• 半监督的学习
• 集成学习
• 深度学习
• 增强性学习

传统数据：主要特征，稀疏数组
大数据：全部特征

聚类（考）
K-Means（K-均值）聚类算法kmeans_Sonhhxg柒的博客-CSDN博客
机器学习——聚类——距离聚类法——K-means_基于距离的聚类算法_AI小小白的博客-CSDN博客
加门槛值

基于dbscan算法
数据可视化（准备）

第九周

最短路径问题
Dijkstra算法
Ford算法
Floyd算法

贝叶斯算法（考试）
朴素贝叶斯（考试）
【机器学习】笔记内容002：贝叶斯算法（理论+实战）_贝叶斯算法的应用_Chuckie今天也要学习！的博客-CSDN博客

人脸识别

人脸识别的障碍
1.光线
2.角度不对
3.有遮挡

svm
用现成的算法

关联规则挖掘算法Apriori

数据清洗