原创力文档- 1、本文档共4页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
模式识别
课程编码:
课程英文译名:PatternRecognition
课程类别:学位课
开课对象:模式识别与智能系统开课学期:第2学期
学分:3学分;总学时:48学时;理论课学时:48学时;
实验学时:0学时;上机学时:
先修课程:学习本课程之前,应先学习《概率论》、《线性代数》课程。
教材:《模式识别》清华大学出版社,2000年1月,第二版
参考书:【1】《数字图像处理》Kenneth.R.Castleman著,朱志刚等译,电子
工业出版社1998年9月
一、课程的性质、目的和任务
《模式识别》是模式识别与智能系统硕士生一门学位课。模式识别就是利用
计算机对某些物理现象进行分类,在错误概率最小的条件下,使识别的结果尽量与事
物相符。本课程的任务是使学生掌握模式识别的基本原理和方法,了解模式识别在
实际系统中的应用。
二、课程的基本要求
通过本课程的学习,要求重点掌握统计模式识别的基本理论和应用。掌握统计
模式识别方法中的特征提取和分类决策。掌握特征提取和选择的准则和算法,掌握
监督学习的原理以及分类器的设计方法。基本掌握非监督模式识别方法。了解应用
人工神经网络和模糊理论的模式识别方法。掌握模式识别的应用和系统设计。
三、教学方式
课程采用教师课堂讲授和学生课外自学相结合的教学方式。教师课堂讲模式
识别方面的核心内容,学生通过阅读参考书和文献资料,进一步深入了解课程的最新
研究成果。
四、课程的主要教学内容和学时分配
授课时数:48学时
主要内容:
第一章绪论
1.1模式和模式识别的概念
1.2模式识别系统
1.3关于模式识别的一些基本问题
第二章贝叶斯决策理论
2.1几种常用的决策规则
2.2正态分布时的统计决策
2.3分类器的错误率分析
第三章概率密度函数的估计
3.1参数估计的基本原理
3.2监督参数估计
3.3非监督参数估计
第四章线性判别函数
4.1线性判别函数和线性分类器的基本概念4.2常用准则函数的线性分类器
设计
4.3多类问题
第五章非线性判别函数
5.1分段线性判别函数的基本概念
5.2分段线性分类器设计
5.3二次判别函数
5.4近邻法
第六章特征的选择与提取
6.1基本概念
6.2类别可分离性
6.3特征提取
6.4特征选择
第七章非监督学习方法
7.1引言
7.2单峰子集(类)的分离方法
7.3类别分离的间接方法
7.4分级聚类方法
第八章模式识别的发展与应用
8.1神经网络模式识别
8.2模糊模式识别方法
8.3识别方法在语音信号数字处理中的应用
8.4印刷体汉字识别中的特征提取
五、习题及课外教学要求
通过习题巩固和加深对所学知识的理解,培养分析能力计算能力,为此要布置
适量的习题。
六、考核方式及成绩评定
本课程期末进行考查,总评成绩平时作业占20%,五级计分。
大纲撰写人:
文档评论（0）