此为模式识别中Parzen窗法估计概率密度函数。 全部程序流程如下： 1、读取FAMALE.TXT文件把身高或体重给数组，并求x1的样本数N1和窗宽、体宽； 2、读取MALE.TXT文件把身高或体重给数组，并求x2的样本数N2和窗宽、体宽； 3、读取Test2.txt文件把对应的身高或体重给数组A并求A的样本数M； 4、利用Parzen窗法估计概率密度函数判别男女性别； 5、对本判别的错误率进行统计。 -This is the pattern recognition

此为模式识别中的Fisher线性判别方法求分类器。进行了男、女错误率和总错误率的统计。 全部程序流程如下： 1、读取FAMALE.TXT文件把身高或体重给数组，并求x1的样本均值m1和内离散度S1； 2、读取MALE.TXT文件把身高或体重给数组，并求x2的样本均值m2和内离散度S2； 3、求最佳变换向量和阀值点； 4、读取Test2.txt文件把对应的身高或体重给数组A并求A的样本数M； 5、把最佳变换向量和阀值点、x代入判别方程g（x）； 6、对本判别的错误率进行

这是模式识别中最小错误率Bayes分类器设计方案。 自行完善了在不同先验概率的条件下，男、女错误率和总错误率的统计，放入各个数组当中。 全部程序由主函数、最大似然估计求取概率密度子函数、最小错误率贝叶斯分类器决策子函数三块组成。 调用最大似然估计求取概率密度子函数时，第一步获取样本数据，存储为矩阵；第二步对矩阵的每一行求和，并除以样本总数N，得到平均值向量；第三步是应用公式（3-43）采用矩阵运算和循环控制语句，求得协方差矩阵；第四步通过协方差矩阵求得方差和相关系数，从而得到概率密度

这是模式识别中最小风险Bayes分类器的设计方案。在参考例程的情况下，自行完善了在一定先验概率的条件下，男、女错误率和总错误率的统计，放入各个数组当中。 全部程序由主函数、最大似然估计求取概率密度子函数、最小错误率贝叶斯分类器决策子函数三块组成。 调用最大似然估计求取概率密度子函数时，第一步获取样本数据，存储为矩阵；第二步对矩阵的每一行求和，并除以样本总数N，得到平均值向量；第三步是应用公式（3-43）采用矩阵运算和循环控制语句，求得协方差矩阵；第四步通过协方差矩阵求得方差和相关系数，从

test1: a simple example for optical flow: 1 take the camera man picture for example 2 move it with subpixels (interpolate to get the result) 3 optical flow to estimate the motion test2-7 simple examples for picture rotation and translations