加入收藏  || English Version 
 
研究生课程《模式识别》教学大纲

  发布日期:2016-12-23  浏览量:562


课程编号:Math2059

课程名称:模式识别

英文名称:Pattern Recognition

                                

开课单位:澳门赌搏网站大全                     

开课学期:秋

课内学时:36                               

教学方式:讲授

适用专业及层次:理工科各专业硕士           

考核方式:考试

预修课程:线性代数、概率论

 

一、教学目标与要求

本课程较全面、系统地先容模式识别的的基本理论、原理方法和应用,重点需要学生掌握贝叶斯决策理论、概率密度函数的估计、线性差别函数、非线性差别函数、近邻法、特征的选择与提取、基于K-L展开式的特征提取、非监督学习方法、人工神经网络、模糊模式识别方法、统计学习理论比如支撑向量机等。通过本课程的学习,培养学生对模式识别的基本概念、基本原理、基本分析方法和算法的理解和掌握,培养学生利用模式识别方法,运用技能解决本专业和相关领域的实际问题的能力。

 

二、课程内容与学时分配

第一章  绪论 2学时)

1.  1  模式与模式识别                

1.  2  模式识别的主要方法 

1.  3  监督模式识别与非监督模式识别    

1.  4  模式识别系统举例 

1.  5  模式识别系统的典型构成 

第二章  统计决策方法 4学时)

2.  1  引言:一个简单的例子

2.  2  最小错误率贝叶斯决策

2.  3  最小风险贝叶斯决策

2.  4  两类错误率、neyman-pearson决策与roc曲线 

2.  5  正态分布时的统计决策

2.  6  错误率的计算 

2.  7  离散概率模型下的统计决策举例

第三章  概率密度函数的估计(2学时)

3.  1  引言 

3.  2  最大似然估计 

3.  3  贝叶斯估计与贝叶斯学习

3.  4  概率密度估计的非参数方法

第四章  矩阵的因子分解(4学时)

4.  1  引言 

4.  2  线性判别函数的基本概念 

4.  3  fisher线性判别分析 

4.  4  感知器 

4.  5  最小平方误差判别 

4.  6  最优分类超平面与线性支撑向量机 

4.  7  多类线性分类器

第五章  非线性分类器(4学时)

5.  1  引言 

5.  2  分段线性判别函数

5.  3  二次判别函数 

5.  4  多层感知器神经网络

5.  5  支撑向量机

5.  6  核函数机器 

第六章   其他分类方法.4学时)

6.  1  近邻法 

6.  2  决策树与随机森林 

6.  3  罗杰斯特回归 

6.  4  boosting方法

第七章  特征选择(4学时)

7.  1  引言 

7.  2  特征的评价准则 

7.  3  特征选择的最优算法 

7.  4  特征选择的次优算法

7.  5  特征选择的遗传算法 

7.  6  以分类性能为准则的特征选择方法 

第八章   特征提取(5学时)

81  引言          

8.  2  基于类别可分性判据的特征提取 

8.  3  主成分分析方法 

8.  4  karhunen-loeve变换 

8.  5  k-l变换在人脸识别中的应用举例 

8.  6  高维数据的低维显示 

8.  7  多维尺度法 

8.  8  非线性变换方法概况 

第九章  非监督模式识别(5学时)

9.  1  引言 

9.  2  基于模型的方法 

9.  3  混合模型的估计 

9.  4  动态聚类算法 

9.  5  模糊聚类方法

9.  6  分级聚类方法 

9.  7  自组织映射神经网络 

第十章  模式识别系统的评价(2学时)

10.  1  监督模式识别方法的错误率估计 

10.  2  有限样本下错误率的区间估计问题

10.  3  特征提取与选择对分类器性能估计的影响 

10.  4  从分类的显著性推断特征与类别的关系 

10.  5  非监督模式识别系统性能的评价 

 

三、教材                      

张学工编,模式识别,清华大学出版社,20108月。

 

主要参考书

1、边肇祺编,模式识别,清华大学出版社。 

2、范九伦等编,模式识别导论,西安电子科技大学出版社。

 

大纲撰写负责人: 张春燕                      授课教师:张春燕

打印此页】【顶部】【关闭
   
版权所有 2019 澳门赌搏网站大全 All rights reserved 皖ICP备05018241号
地址:安徽省合肥市九龙路111号澳门新莆京娱乐网站磬苑校区理工楼H楼 邮编:230601 E-mail:math@ahu.edu.cn
访问统计:自2013年9月1日以来总访问:1000  后台管理


XML 地图 | Sitemap 地图