湖南师范大学2024年硕士研究生自命题考试大纲 《模式识别基础》考试大纲（复试）.docVIP

PAGE

PAGE2

湖南师范大学硕士研究生招生考试自命题科目考试大纲

考试科目代码：【】考试科目名称：模式识别基础

考试内容及要点

《模式识别基础》课程帮助学生系统掌握模式识别的理论与技术，以便为不同应用场景选择适当的识别与分类模型，并掌握识别与分类模型的评估方法、准则与理论，也能掌握特征选择与提取的基本知识。

（一）绪论

模式基本概念；

模式识别基本概念与应用范围；

模式识别系统与应用。

（二）统计决策

统计决策的概念，错误与风险；

判别函数与决策面；

常见的贝叶斯决策与实现；

最小最大决策；

离散概率模型的统计决策。

（三）概率密度函数估计

参数估计的基本概念；

最大似然估计法与应用；

贝叶斯估计与贝叶斯学习；

正态分布的参数估计；

总体分布的非参数估计。

（四）线性分类器

线性判别函数的基本概念；

Fisher线性判别的概念与应用；

感知器的概念与训练算法；

最小均方误差算法的思想与基本应用；

最优分类超平面与线性支持向量机。

（五）非线性分类器

分段线性判别函数；

二次判别函数的概念与应用；

多层感知器原理与应用；

反向传播算法；

非线性支持向量机。

（六）常用分类方法

分类的概念；

近邻分类法及基本应用；

决策树分类方法及基本应用；

回归分析及基本应用；

常见的Boost分类方法及基本应用。

（七）特征选择和提取方法

用于分类的特征评价准则；

特征选择算法；

遗传算法；

基于类别可分性判据的特征提取；

主成分分析；

K-L变换。

（八）聚类分析

１．距离聚类的概念；

２．相似性测度和聚类准则；

３．基于距离阈值的聚类算法；

４．层次聚类法；

５．动态聚类法；

６．聚类结果的评价。

（九）神经网络模式识别方法

１．人工神经网络发展概述；

２．神经网络基本概念；

３．前馈神经网络；

４．反馈网络模型；

５．卷积神经网络。