《模式识别》教学大纲.docxVIP

第 PAGE \* Arabic 1 页/ 共 NUMPAGES \* Arabic 4 页 模式识别 一、课程说明 课程编号： 010418Z10 课程名称（中/英文）：模式识别/ Pattern Recognition 课程类别：选修 学时/学分：32/2 （其中实验学时8学时） 先修课程：数理统计、数字图像处理 适用专业：遥感科学与技术 教材、教学参考书： 1．《模式识别导论》，李大健等编著，清华大学出版社，2009 2．《模式识别――原理、方法及应用》，[美]J. P. Marques de Sa著，吴逸飞译，清华大学出版社，2002 3．《模式识别（第三版）》，[希腊]Sergios Theodoridis等著，李晶皎等译，电子工业出版社，2006 二、课程设置的目的意义 本课程是遥感科学与技术的专业选修课。本课程的目的和任务在于通过对模式识别的基本概念、基本理论和方法及应用范例的学习以及对模式识别理论的最新进展的介绍，使学生能够全面掌握模式识别的基本理论，了解各种常用分类器的设计方法，掌握统计模式识别的方法，了解利用图像信号处理技术获取模式识别特征的方法，对模式识别基本方法的应用有一个直观的认识，了解模式识别的现状和发展动向，为进一步学习遥感图像数据处理与分析、遥感影像理解等方面的课程打下坚实的基础。 《模式识别》是以图象处理技术为基础，研究计算机识别物体的机理，该课程的学习将 为计算机视觉以及人工智能等学科的学习打下基础。本课程主要介绍模式识别的基本概念、基本原理、典型方法、实用技术以及有关研究的新成果，其目的是使学生掌握模式识别的基本概念和基本原理，了解模式识别的具体应用、存在的问题和发展前景 三、课程的基本要求 对应的专业培养要求 1.4.1专业知识 （2）掌握常用遥感数据的特征和应用、信息提取的方法。 （7）掌握模式识别的基本概念、了解各种常用分类器的设计方法，掌握统计模式识别的方法以及在遥感图像处理中的应用 2.2.2具有综合应用现代科技手段获取与处理遥感数据的能力，能够在顾及环境、法律、社会以及文化等背景下，利用现代计算机和信息技术进行工程设计与应用。 2.2.4思维活跃，具有开拓创新的意识与能力及较强的自学能力，能与时俱进地学习，适应未来发展的要求。 知识：掌握模式识别的基本原理与方法：包括了解模式识别的基本概念、研究对象、系统构成；掌握判别函数的基本理论及其应用方法，聚类准则与方法，特征选择与提取方法，有监督学习方法，模糊模式分析方法。 能力：要求能用C++或Matlab实现基本算法，提高实际动手能力和创新能力； 素质：既能独立工作，又具有团队合作精神，适应竞争学会合作；具有良好的心理承受能力及科学的工作心态； 四、教学内容、重点难点及教学设计 章节 教学内容 总学时 学时分配 教学重点 教学难点 教学方案设计（含教学方法、教学手段） 讲课 (含研讨) 实践 第1章 绪论 2 2 0 模式识别的基本 概念和系统构成 无 讲授 第2章 聚类分析 6 4 2 动态聚类算、K均值聚类算法 模式相似性测度 与聚类准则 讲授+实验讨论 第3章 判别函数及几何分类法 8 6 2 判别函数的一般形式、两类问题和多类问题的判别规则、利用梯度法进行判别函数权系数求解的原理与方法 线性分类器设计原理与线性分类面 梯度优化 方法 讲授+实验讨论 讲授+实验讨论 第4章 特征提取 与选择 8 6 2 特征的提取与选择算法、人脸识别案例分析与实现 类别可分离性判据 讲授+实验讨论+案例分析 第5章 模糊模式 分析 8 6 2 模糊分析原理、 模糊判别准则 模糊相似性测度 与模糊聚类准则 讲授+实验讨论 课题教学内容与要求 第一章 绪论（2学时） 1.1模式和模式识别的概念 1.2模式识别的应用 1.3模式识别要解决的关键问题 教学要求：介绍模式识别的基本概念与术语，概述模式识别过程、方法、学科特点以及要解决的关键问题。 第二章 聚类分析（6学时） 2.1 聚类分析的相关概念 2.2模式相似性的测度和聚类准则 2.3基于试探的聚类搜索算法 2.4层次聚类法 2.5动态聚类法 2.6聚类结果的评价 教学要求： 掌握聚类分析的基本思想，影响分类有效性的因素，重点要求熟练掌握依据模式相似度测度进行聚类的概念和基本方法 第三章 判别函数及几何分类法（8学时） 3.1 判别函数 3.2 线性判别函数 3.3 广义线性判别函数 3.4 线性判别函数的几何性质 3.5 感知器算法 3.6 梯度法 3.7 Fisher判别函数 3.8 非线性判别函数 教学要求：掌握判别函数的一般形式，掌握两类问题和多类问题的判别规则以及处理多类问题的技术途径，掌握利用梯度法进行判别函数权系数求解的原理