模式识别大纲.docVIP

模式识别 Pattern Recognition 课程编号：040254 总 学 时：32（讲课32，实验、自学、研讨及调研均课外以作业形式布置） 学 分：2.0 开课学院：物联网工程 主讲教师：朱嘉钢 (副教授) 辅讲教师：李岳阳 教学目的： 使研究生了解模式识别及相关学科的的由来、主要应用领域和近十年发展的重要成果，掌握模式识别的研究对象、基本研究方法和基本应用技术，为研究生在该领域的进一步理论研究和工程应用奠定基础。 课程内容、教学方式、教学要求及学时分配： 课程内容教学方式教学要求学时1 Introduction Example: Polynomial Curve Fitting Probability Theory Model Selection The Curse of Dimensionality Decision Theory 1.6 Information Theory讲课/研讨/调研了解模式识别及相关学科的的由来，要解决的基本问题，所使用的基本理论框架8/课外3/课外6Linear Models for Regression 3.1 Linear Basis Function Models 3.2 The Bias-Variance Decomposition 3.3 Bayesian Linear Regression 3.4 Bayesian Model Comparison 3.5 The Evidence Approximation 3.6 Limitations of Fixed Basis Functions讲课/实验理解回归的线性模型的相关概念和方法，了解线性回归的局限性8/课外4Linear Models for Classification 4.1 Discriminant Functions 4.2 Probabilistic Generative Models 4.3 Probabilistic Discriminative Models 4.4 The Laplace Approximation 4.5 Bayesian Logistic Regression讲课/实验理解分类的线性模型的相关概念和方法，了解线性分类的局限性8/课外45 Neural Networks 5.1 Feed-forward Network Functions 5.2 Network Training 5.3 Error Backpropagation自学了解人工神经网络的初步理论课内0 课外86 Kernel Methods 6.1 Dual Representations 6.2 Constructing Kernels 6.3 Radial Basis Function Networks 9.1 K-means Clustering讲课/研讨/实验理解核与基函数的关系、核的构造和径向基函数的函义与应用 理解K均值聚类方法8/课外3/课外4 适用专业：计算机科学与技术专业（含计算机应用、计算机软件理论和计算机体系结构方向）及相近专业 先修课程：概率论与数理统计、线性代数与矩阵理论、人工智能 教 材：Pattern Recognition and Machine Learning，Chris Bishop，Springer Press，2008 参 考 书：[1]模式识别，边肇棋等，清华大学出版社，2002 [2]人工神经网络与模拟进化计算，阎平凡等，清华大学出版社，2003 [3]统计学习理论的本质，Vapnik著 张学工译 ，清华大学出版社，2000 考核方式：分组大作业 考试权重：课中考试 50 %；课末考试 50 % 大纲撰写人：朱嘉钢