《模式识别基础》课程标准教学大纲.docVIP

PAGE PAGE 7 《模式识别基础》课程标准 （执笔人：刘雨 审阅学院：电子科学与工程学院） 课程编号：08113 英文名称：Pattern Recognition 预修课程：高等数学，线性代数，概率论与数理统计，程序设计 学时安排：40学时，其中讲授32学时，实践8学时。 学 分：2 一、课程概述 （一）课程性质地位 模式识别课基础程是军事指挥类本科生信息工程专业的专业基础课，通信工程专业的选修课。 在知识结构中处于承上启下的重要位置，对于巩固已学知识、开展专业课学习及未来工作具有重要意义。课程特点是理论与实践联系密切，是培养学生理论素养、实践技能和创新能力的重要环节。是以后工作中理解、使用信息战中涉及的众多信息处理技术的重要知识储备。 本课程主要介绍统计模式识别的基本理论和方法，包括聚类分析，判别域代数界面方程法，统计判决、训练学习与错误率估计，最近邻方法以及特征提取与选择。 模式识别是研究信息分类识别理论和方法的学科，综合性、交叉性强。从内涵讲，模式识别是一门数据处理、信息分析的学科，从应用讲，属于人工智能、机器学习范畴。理论上它涉及的数学知识较多，如代数学、矩阵论、函数论、概率统计、最优化方法、图论等，用到信号处理、控制论、计算机技术、生理物理学等知识。典型应用有文字、语音、图像、视频机器识别，雷达、红外、声纳、遥感目标识别，可用于军事、侦探、生物、天文、地质、经济、医学等众多领域。 （二）课程基本理念 以学生为主体，教师为主导，精讲多练，以用促学，学以致用。使学生理解模式识别的本质，掌握利用机器进行信息识别分类的基本原理和方法，在思、学、用、思、学、用的循环中，达到培养理论素养，锻炼实践技能，激发创新能力的目的。 （三）课程设计思路 围绕培养科技底蕴厚实、创新能力突出的高素质人才的目标，本课程的培养目标是：使学生掌握统计模式识别的基本原理和方法，了解其应用领域和发展动态，达到夯实理论基础、锻炼理论素养及实践技能、激发创新能力的目的。 模式识别是研究分类识别理论和方法的学科，综合性、交叉性强，涉及的数学知识多，应用广。针对其特点，教学设计的思路是：以模式可分性为核心，模式特征提取、学习、分类为主线，理论上分层次、抓重点，方法上重比较、突出应用适应性。除了讲授传统的、经典的重要内容之外，结合科研成果，介绍不断出现的新理论、新方法，新技术、新应用，开拓学生视野，激发学习兴趣，培养创新能力。 教学设计以章为单元，用实际科研例子为引导，围绕基本原理展开。选择两个以上基本方法，辅以实验，最后进行对比分析、归纳总结。使学生在课程学习中达到一个思、学、用、思、学、用的良性循环。在习题、实验素材的选取上，各章节单元之间应保持连贯性，以减少学生不必要的重复劳动。实验和平时作业占考试成绩的30%，对于确有学习心得，并体现在实验报告中的学生，实行加分。 二、课程目标 （一）知识与技能 本课程主要介绍统计模式识别的基本理论和方法，包括聚类分析，判别域代数界面方程法，统计判决、训练学习与错误率估计，最近邻方法以及特征提取与选择。 使学生理解模式识别的本质，掌握利用机器进行信息识别分类的基本原理和方法。培养通过信息分析，发现问题、解决问题的能力。为以后工作中理解、使用信息战中涉及的众多信息处理技术打下一定的理论和方法基础。 （二）过程与方法 从课堂讲授中获得统计模式识别的基本理论知识，了解实际中的模式识别现实问题。在实验中，编程实现部分基本的模式识别算法，通过对算法及实验结果的分析，验证所学的理论知识，并用以指导实验，改善实验结果，获得实践经验，加深对模式识别理论及方法的理解。在实验基础上，通过课堂研讨，深化对理论问题的认识，锻炼实践技能，培养创新能力。 （三）情感态度与价值观 模式识别是一门理论与实践结合紧密的课程。通过课程的学习，认识以往所学基础理论知识和技能在实践中的重要性和实用性。用模式识别实际应用问题激发探究热情，通过课程的理论学习和实验环节培养解决问题的成就感。感受从感性认识到理性认识、具体到抽象、理论指导实践的全过程。培养解决问题的理论思考及动手能力。 教学目标突出学员学习的主体地位，实现多层次要求。基本层，要求完成课程学习，通过考试，获得学分。提高层，能够将所学知识和内容用于课题研究，解决实际问题。飞跃层，通过模式识别的学习，改进思维方式，为将来的工作打好基础，终身受益。 三、内容标准 第一章 引论（2学时） 第1节 概述 介绍模式识别的基本概念及术语，概述模式识别过程、方法，学科特点、历史现状和发展、应用。 第2节 特征矢量及特征空间 引入研究对象模型—特征矢量，建立特征空间概念，熟练掌握随机特征矢量的描述方法及特征矢量变换。复习重要的概率统计知识，相关、正交、独立等概念，多元正态分布及其性质。 本章重点：模