第一章：生物信息学的概念 及其发展历史.pptxVIP

第十章：统计学习与推理;第一节 统计学习与推理基础;二、经典非线性法 ANN（artificial neural network）;三、小样本统计学习理论 （一）VC维 （二）推广性的界 对各种类型的函数集，统计学习理论系统地研究了其经验风险与期望风险之间的关系，即推广性的界。 （三）结构风险最小 （四）小样本与转导推理 ;四、基于概率的方法 基于概率的方法主要包括贝叶斯(Bayes)推理及隐马尔可夫模型(hidden Markov model,HMM)，其中贝叶斯推理需利用来源于经验和历史资料的先验信息。;第二节 统计模型与参数推断;二、最小二乘估计;三、最大似然估计 （一）似然函数 对于离散型随机变量，似然函数是多个独立事件的概率函数的乘积，该乘积是概率函数值，它是关于总体参数的函数。 例：一只大口袋里有红、白、黑3种球，采用复置抽50次，得到红、白、黑3种球的个数分别为12、24、14,根据多项式的理论建立似然函。 （二）最大似然估计 所谓最大似然估计就是指使似然函数值为最大以获得总体参数估计的方法。 例：求红、白、黑球实例中 的最大似然估计值。;第三节 聚类分析、主成分分析与Fisher判别;（二）亲疏程度测度;（三）系统聚类 方法： 最短距离法、最长距离法、中间距离法、重心距离法、类平均法、可变类平均法、可变法、离差平方和法。;二、主成分分析 （一）基本原理 主成分分析（