《模式识别》课程教学大纲.pdf

《模式识别》课程教学大纲--第1页

《模式识别》教学大纲

一、课程基本信息

中文名称模式识别英文名称PatternRecognition

数据结构、数字信号处理、概

适用专业信息工程、计算机科学与技术先修课程

率论与数理统计

课程类别专业拓展课修读性质限选

学分/学时2学分/34学时考核方式考查

二、教学目标

本课程教学目标：本课程是信息工程专业的一门专业拓展课。通过该课程的学习，学

生能够掌握模式识别的基本理论和主要方法，并且能掌握在大量的模式样本中获取有用信息

的原理和算法。通过课堂与课外练习，学会编写模式识别的算法程序，达到理论和实践相结

合的目的，使学生了解模式识别的应用领域并能在解决实际问题时得到有效地运用，同时为

开发研究新的模式识别的理论和方法打下基础。

三、教学内容及基本要求

第一章绪论（4学时）

（一）教学目标

1.了解人工智能与模式识别的发展历史与现状；

2.掌握模式识别和模式的概念，模式的描述方法；

3.熟悉模式识别系统的组成以及各部分的功能，掌握模式识别的过程。

（二）重点、难点

重点：模式识别和模式的概念，模式识别系统的组成以及各部分的功能；

难点：模式识别系统的组成以及各部分的功能。

（三）教学方法

本章以课堂教学为主，结合已经存在的资料来介绍该课程的核心内容。

（四）教学内容

1.模式和模式识别；

2.模式的分类；

3.模式识别系统的基本构成；

4.模式识别方法及其分类；

5.模式识别举例。

第二章统计模式识别中的几何方法（6学时）

（一）教学目标

1.了解统计分类的基本思想；

2.掌握模式的相似性度量和最小距离分类器；

3.掌握线性与非线性可分情况下的几何分类法；

4.了解非线性可分情况下的几何分类法与最优分类超平面。

（二）重点、难点

《模式识别》课程教学大纲--第1页

《模式识别》课程教学大纲--第2页

重点：模式的相似性度量和最小距离分类器，线性与非线性可分情况下的几何分类法；

难点：模式的相似性度量和最小距离分类器，非线性可分情况下的几何分类法与最优分

类超平面。

（三）教学方法

本章以课堂教学为主，结合已经存在的资料来介绍该课程的核心内容。

（四）教学内容

1.统计分类的基本思想

（1）特征空间和分类器设计；

（2）两个例子；

2.模式的相似性度量和最小距离分类器

（1）相似性度量和距离函数；

（2）最小距离分类器；

3.线性可分情况下的几何分类法

（1）线性判别函数和线性分类器；

（2）线性判别函数的参数确定；

（3