图像处理中的优化方法 - 华中科技大学研究生院.doc

附件5．图像所（系、所）全英 研究生课程简介(中英文各一份) 课程名称：图像处理中的优化方法 课程代码：186.811 课程类型：■ 博士专修课程 □ 硕士专修课程 考核方式： 全英文考试 教学方式：全英文讲授 适用专业：模式识别与智能系统 适用层次：■ 硕士 ■ 博士 开课学期： 秋季 总学时：40 学分：2.5 先修课程要求：高等数学,线性代数 课程组教师姓名 职 称 专 业 年 龄 学术方向 （负责人）张钧 副教授 模式识别 46 机器学习,机器视觉 谭毅华 副教授 模式识别 37 机器学习,机器视觉 黄锐 讲师 模式识别 35 机器学习,机器视觉 课程负责教师留学经历及学术专长简介： 2008.08－2009.08在School of Computing and Mathematics, Charles Sturt University, Australia, 作为Academic Visiting 师从高俊斌(Junbin Gao)教授从事机器学习方面的研究工作. 1966年出生.工学博士,华中科技大学图像识别与人工智能研究所副教授,硕士生导师,博士生副导师.研究方向为机器学习、机器视觉、数据挖掘等. 发表论文56篇,其中SCI收录12篇, EI收录24篇. 绪论（第1周，2小时） 优化问题的数学表达 最小二乘与线性规划 凸优化 非线性优化 图像处理中的优化方法概论 第二章 凸集（第1周，2小时; 第2周，2小时） § 2.1 仿射集与凸集 § 2.2 凸性与凸性不等式 § 2.3 分割和支持超平面 § 2.4 对偶锥与锥不等式 第三章 凸函数（第2周，2小时; 第3周，2小时） § 3.1 基本性质 § 3.2 共轭函数 § 3.3 拟凸函数 § 3.4 对数凹函数与对数凸函数 第四章 凸优化问题（第3周，2小时; 第4周，4小时; 第5周，2小时） § 4.1 优化问题 § 4.2 凸优化问题 § 4.3 线性优化问题 § 4.4 二次优化问题 § 4.5 不等式约束 § 4.6 向量优化 § 4.7 图像处理中的凸优化问题实例 第五章 对偶（第5周，2小时; 第6周，4小时） § 5.1 拉格朗日对偶函数 § 5.2 拉格朗日对偶问题 § 5.3 几何解释 § 5.4 鞍点解释 § 5.5 优化条件 § 5.6 扰动分析 § 5.7 交换定理 § 5.8 图像处理中的对偶实例 第六章 图像处理中的常用优化方法（第7周，4小时; 第8周，2小时） § 6.1 下降法 § 6.2 梯度下降法 § 6.3 牛顿法 § 6.4 不等式约束最小值问题 § 6.5 原问题与对偶问题内点法 § 6.6 图像处理中的优化新方法 第七章 MRF优化的图切割方法 (第8周，2小时; 第9周，2小时) § 7.1 MRFs简介 § 7.2 图切割和能量最优化 § 7.3 Alpha-扩张算法 第八章 主-对偶法优化MRF (第9周，2小时; 第10周，2小时) § 8.1 凸松弛和离散优化 § 8.2 线性规划松弛 § 8.3 线性规划中的主-对偶法 § 8.4 MRF的主-对偶优化法 第九章 MRF优化的消息传递法 (第10周，2小时) § 9.1 能量最小化的消息传递法 § 9.2 证据传播优化法 全英文教材： Stephen Boyd and Lieven Vandenberghe. Convex Optimization. Cambridge University Press，2004. Available from: /~boyd/cvxbook/bv_cvxbook.pdf Slides available from: /~boyd/cvxbook/ 主要参考书： J. M. Borwein and A. S. Lewis. Convex Analysis and Nonlinear Optimization. Springer, 2000 Available from: http://web.cs.dal.ca/~jborwein/Preprints/Books/CaNo2/cano2f.pdf A. Ben-Tal and A. Nemirovski. Lectures on Modern Convex Optimization, Analysis, Algorithms, and Engineering Applications. Society for Industrial an