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。

隐含层或输出层具有激活函数。

k-近邻法中k的选取一般为偶数。

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。

分级聚类又叫层次聚类，需要构建聚类树。

基于数据的方法适用于特征和类别关系不明确的情况。

在进行交叉验证时，一般让临时训练集较大，临时测试集较小，这样得到的错误率估计就更接近用全部样本作为训练样本时的错误率。

多类问题的贝叶斯分类器中判别函数的数量与类别数量是有直接关系的。

C均值聚类算法对噪声和孤立点不敏感。

在总的样本集不是很大的情况下，可以采用交叉验证法来较好的估计分类器性能。