分支定界法计算量一定比穷举法小。

贝叶斯估计中是将未知的参数本身也看作一个随机变量，要做的是根据观测数据对参数的分布进行估计。

我们在对某一模式x进行分类判别决策时，只需要算出它属于各类的条件风险就可以进行决策了。

C均值聚类算法对噪声和孤立点不敏感。

动态顺序前进法（l-r）法是按照单步最优的原则从未入选的特征中选择l个特征，再从已入选的特征中剔除r个特征，使得仍保留的特征组合所得到的J值最大。

顺序后退法（SBS）是从0个特征开始，每次从已经入选的特征中剔除一个特征，使得仍保留的特征组合所得到的J值最大，是一种特征选择的最优算法。

隐含层或输出层具有激活函数。

概率密度函数的参数估计需要一定数量的训练样本，样本越多，参数估计的结果越准确。

在监督模式识别中，分类器的形式越复杂，对未知样本的分类精度就越高。

k-近邻法中k的选取一般为偶数。