DTW，HMM，EM，PCA，貝葉斯,K-NN學習過程
1. DTW：用途：模版匹配，學習過程：首先看http://blog.csdn.net/zouxy09/article/details/9140207中的語音訊號處理之（一）動態時間規整（DTW）注意不要忘記看後邊的參考文獻。
2. HMM：看http://www.cnblogs.com/tornadomeet/archive/2012/03/24/2415583.html和http://www.cnblogs.com/tornadomeet/archive/2012/03/24/2415889.html學習HMM前向概率和Viterbi演算法其中可參考統計學習方法中的摸球例題。
3. EM：用途：迭代取最優。 http://blog.csdn.net/zouxy09/article/details/8537620
4.PCA：用途：降維。http://www.cnblogs.com/zhangchaoyang/articles/2222048.html主成分分析PCA和http://www.cnblogs.com/tornadomeet/archive/2012/12/30/2839615.htmlPCA演算法學習_2(PCA理論的matlab實現)｛其中PCA白化矩陣不理解什麼用處｝
5：凸優化：http://www.cnblogs.com/tornadomeet/p/3300132.html建議看一下《凸優化》這本書。凸優化是機器學習的基本數學知識，必學。
6：HTK：語音識別，現在正在學習，學完之後新增學習過程。
7.概率圖模型(PGM)有空應該學習一下
8. 樸素貝葉斯，運用貝葉斯概率分類，可看李航的《統計學習方法》。但其中P48後驗概率最大化不大明白
9.K-NN,K近鄰，可看李航的《統計學習方法》。