《模式识别》课程教学大纲.pdfVIP

《模式识别》课程教学大纲 一、课程基本信息 课程中文名称 模式识别 课程英文名称 Pattern Recognition 课程编号 课程类别 通识教育核心课 □跨学科基础课 □通识教育拓展课 专业教育核心课 ■学科专业拓展课 方向特色课（双百、卓越班课程） 总学时 48 讲授学时 36 实验学时 12 总学分 3 开课学院 数 学 与 计 算 开课系（室） 数学系 机学院 授课对象 本科生 适用专业 信息与计算科学专业 先修课程 图像处理、运筹学、概率与数理统计、微分方程 执笔人 修订时间 二、课程简介 模式识别是一门以图象处理技术为基础，研究计算机识别物体的机理，进行数据处理、信息分析 的学科，就其应用特征，属于人工智能、机器学习范畴。 模式识别课程是本科生信息与计算科学的专业拓展课，在知识结构中占有很重要的位置。对于巩 固已学知识、专业课学习及未来工作具有重要意义。 三、课程教学目标 1.概述 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。围绕培养目标，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，开拓学生视野，激发学习兴趣。 2.教学目标与毕业要求的对应关系 课程教学目标 对应培养标准/毕业要求指标点 1. 学生掌握模式识别的知识 具备运用数学建模的理论、信息 技术的实际问题的能力/指标点8 2. 锻炼数据处理、信息分析能力 掌握计算机编程技能，具备开发 应用程序的能力/指标点6 3. 锻炼以图象处理技能 掌握信息处理和软件应用的基础 知识和基本理论与方法/指标点4 4. 具备数学思维的基本素质 具有扎实的数学基础和良好的数 学思维能力/指标点3 103 四、教学内容及要求 第一章 贝叶斯分类方法 【教学 目标】 （1）了解：未知概率密度函数的估计 （2）理解：判别函数和决策面 （3）掌握：贝叶斯决策理论。 【授课内容】 几种常用的分类决策方法：如基于最小错误率的贝叶斯决策、基于最小风险的贝叶斯决策和最大 最小决策等。介绍分类器设计一般规则。 【授课策略与方法】 （1）教学方法 讲授 （2）教学手段 多媒体 【课外学习指导的要求】 课外阅读资料 [1] 《模式识别》边肇祺.清华大学出版社，2000 年 [2] 《模式识别一原理、方法及应用》 吴逸飞译.清华大学出版社，2003 年 [3] 《模式分类 （原书第 2 版》:(美）迪达等著李宏东等译。机械工业出版社，2003 年 作业要求 复习本章所讲内容 第二章 基于贝叶斯决策理论的分类器 【教学 目标】 （1）了解：总体分布的非参数估计。 （2）理解：正态分布的有监督参数估计 （3）掌握：最大似然估计。 【授课内容】 2.1 引言 2.2 贝叶斯决策理论 2.3 判别函数和决策面 2.4 正态分布的