模式识别教学大纲.docxVIP

模式识别教学大纲

模式识别是利用机器模仿人脑对现实世界各种事物进行描述、分类、判断和识别的过程，是信息科学和人工智能的重要组成部分。模式识别与我们日常生活中所用到的智能技术息息相关，小到手机上的智能语音播报，指纹匹配和人脸识别，大到自动驾驶、医学检测、智能制造都用到了模式识别的相关算法和理论。

课程概述

模式识别是一门与人工智能密切相关的专业课，本课程主要系统介绍模式识别的基本理论和方法，包括：模式识别的基本理论、监督模式识别中常用的线性和非线性分类器、非监督模式识别的分类器设计方法以及特征选择和提取的方法、分类器的评价方法等。模式识别作为一门实践性很强的学科，授课的时候采用算法的理论讲解和实验演示相结合的方法来进行。通过本课程的学习，不仅可以系统掌握模式识别的基本知识、理论和方法，了解模式识别的发展趋势和应用领域，还能够为将来进一步深入学习和研究模式识别和人工智能打下坚实的基础，帮助我们提高解决工程问题的能力。

授课目标

模式识别作为一门实践性很强的学科，授课的时候采用算法的理论讲解和实验演示相结合的方法来进行。通过本课程的学习，可以系统掌握模式识别的基本知识、理论和方法，了解模式识别的发展趋势和应用领域，不仅能够为将来进一步深入学习和研究模式识别和人工智能打下坚实的基础，还会帮助我们提高解决工程问题的能力。

课程大纲

第一章绪论

第一讲模式与模式识别

第二讲模式识别的主要方法

第三讲模式识别系统的应用举例第四讲模式识别系统的典型构成第一章绪论部分的单元测试

第二章贝叶斯决策理论第一讲贝叶斯决策基础

第二讲基于最小错误率的贝叶斯决策第三讲基于最小风险的贝叶斯决策第四讲贝叶斯分类器的设计

第五讲正态分布时的统计决策第六讲matlab代码演示实例贝叶斯决策理论测试（一）

贝叶斯决策理论单元测试（二）第三章概率密度函数的估计

第一讲最大似然估计第二讲贝叶斯估计第三讲贝叶斯学习

概率密度函数的估计的单元测试第四章线性分类器

第一讲引言

第二讲线性判别函数的基本概念第三讲Fisher线性判别

第四讲Fisher线性判别matlab演示第五讲感知器算法

第六讲感知器算法实例

第七讲感知器算法matlab演示

第八讲最小平方误差判别

关于感知器算法和最小平方误差判别的测验关于fisher线性判别准则的测验

第五章非线性分类器

第一讲分段线性判别函数第二讲二次判别函数

第三讲神经网络的基础知识和BP神经网络第四讲神经网络参数的确定

第五讲多层神经网络在模式识别中的应用方法第六讲BP神经网络的matlab实例

单元测试（一）单元测试（二）单元测试（三）

第六章其他分类方法近邻法的测试

第一讲近邻法原理

第二讲快速搜索近邻法第三讲剪辑近邻法

第四讲压缩近邻法第七章决策树

第一讲决策树第二讲id3算法

第三讲随机森林决策树的测试

第八章非监督模式识别第一讲动态聚类方法第二讲分级聚类方法非监督模式识别测试题

第九章特征选择和特征提取

第一讲特征选择和提取的基本概念第二讲特征选择的判据

第三讲特征选择的最优和次优算法第四讲特征提取的PCA算法

第五讲K-L变换

第六讲特征提取的matlab演示实例特征选择的测试题目

特征提取的单元测试

第十章模式识别系统的评价

第一讲监督模式识别中错误率的估计方法第二讲监督模式识别中的交叉验证及自举法第三讲影响分类器性能估计的其它因素

第四讲非监督模式识别系统性能的评价系统评价的测试

预备知识

具有一定的数学基础，掌握了线性代数以及概率论与数理统计两门课程涉及到的知识，如果有人工智能的相关基础就更好了！

参考资料

张学工《模式识别》（第3版），清华大学出版社，2010年。

RichardO.Duda,PeterE.Hart,DavidG.Stork著，李宏东姚天翔等译，《模式分类》

(原书第2版),机械工业出版社，2000年。

杨杰郭志强《模式识别及MATLAB实现》，电子工业出版社，2017年。

郭志强杨杰《模式识别及MATLAB实现--学习与实验指导》,电子工业出版社，

2017年。

孙即祥《现代模式识别》，国防科技大学出版社，2001年

周志华《机器学习》，清华大学出版社，2016年