模式识别教学大纲.doc

《模式识别》教学大纲

课程名称：模式识别

课程代码：

学分：3总学时：56 理论学时：40实验（上机）学时：16

先修课程：信号与系统、数据结构与算法等

适用专业:人工智能

一、课程性质与任务

课程性质：《模式识别》课程是人工智能专业主干课程，属必修课程。

课程任务：本课程较全面、系统地介绍模式识别的的基本理论、原理方法和应用，重点需要学生掌握贝叶斯决策理论、概率密度函数的估计、线性差别函数、非线性差别函数、近邻法、特征的选择与提取、非监督学习方法、人工神经网络、模糊模式识别方法、统计学习理论比如支持向量机等。通过本课程的学习，培养学生对模式识别的基本概念、基本原理、基本分析方法和算法的理解和掌握，培养学生利用模式识别方法，运用技能解决本专业和相关领域的实际问题的能力。

二、课程目标

课程目标1：掌握模式识别的基本概念和原理，具备模式识别问题分析的知识基础，了解模式识别的理论基础、研究现状和热点问题、发展趋势及前沿工程应用；（支撑毕业要求1.5）

课程目标2：掌握特征提取、特征选择、分类器设计和分类决策中的核心思想和方法，具备分析和解决实际工程中模式识别问题的能力；（支撑毕业要求2.3）

课程目标3：具备分析问题、设计算法并用程序实现的能力，具备较强的编程、调试和优化能力。（支撑毕业要求3.2）

课程目标4.：熟悉和掌握常用模式识别方法的计算机仿真和实验运用方法，得到方案设计和实验技能的基本训练，逐步具有应用先进工具解决工程实际问题的能力。（支撑毕业要求5.2）

课程目标与毕业要求指标点对应关系

课程目标

毕业要求指标点

课程目标1

1.5工程知识：学会用计算机分析和解决问题的思维方法，并能进行系统软硬件分析与设计。

课程目标2

2.3问题分析：能够借助文献研究，分析和对比多个可替代解决方案，并在方向性、框架性或关键影响因素上得出有效结论。

课程目标3

3.2设计/开发解决方案：能针对特定需求独立进行算法设计和程序实现，能测试验证算法与系统的合理性，并体现创新意识。

课程目标4

5.2使用现代工具：能够选择与使用恰当的仪器、信息资源、工程工具和专业模拟软件，对人工智能相关领域的复杂工程问题进行分析、计算与设计。

教学内容、要求及学时分配

1.理论教学

序号

教学内容

教学要求

重难点

学时

教学

方法

对应课程目标

1

绪论

1.?了解本课程研究的对象和内容；

2.?掌握模式识别系统的典型构成和基本问题；

3.?了解本课程的学习方法。

重难点：1）模式与模式识别的概念；2）模式识别系统的典型构成

2

讲授

讨论

1

2

贝叶斯决策理论

1.?理解贝叶斯决策的基础理论；

2.?掌握基于最小错误率和最小风险的贝叶斯决策方法以及正态分布时的统计决策方法；

3.?熟悉贝叶斯分类器设计方法。

重点：1）贝叶斯决策基础知识；2）基于最小错误率和最小风险的贝叶斯决策

难点：1）正态分布时的统计决策；2）贝叶斯分类器设计

4

讲授

讨论

案例分析法

1，2，3，4

3

概率密度函数

1.?掌握极大似然估计和贝叶斯估计方法的基本理论和数学推导；

2.?熟悉贝叶斯学习和概率密度估计的非参数估计方法；

3.?能编程实现极大似然法和贝叶斯估计方法。

重点：1）极大似然估计；2）贝叶斯估计与贝叶斯学习

难点：概率密度估计的非参数估计方法

4

讲授

讨论

案例分析法

1，2，3

4

线性判别分析

1.?掌握Fisher线性判别方法的基本原理和数学推导，并能编程实现；

2.?掌握感知器、最小平方误差判别方法和多类线性分类器的基本原理；

3.?能熟练运用线性判别分析方法进行分类

重点：1）Fisher线性判别分析；2）感知器

难点：1）最小平方误差判别；2）多类线性分类器

4

讲授

讨论

案例分析法

1，2，3，4

5

非线性判别分析

1.?熟悉近邻法的决策规则；

2.?掌握近邻法快速算法基本原理并能熟练运用；

3.?了解剪辑近邻法和压缩近邻法的基本思想。

重点：1）近邻法的决策规则；2）近邻法的快速算法

难点：1）剪辑近邻法；

压缩近邻法；

决策树；

Logistics回归

4

讲授

讨论

案例分析法

1，2，3

6

无监督模式识别

1.?掌握基于模型的学习方法和混合模型估计方法的基本原理和数学推导，并能编程实现；

2.?了解分级聚类方法和模糊学习方法；

重点：1）基于模型的方法；2）混合模型的估计；3）分级聚类方法

难点：模糊学习

4

讲授

讨论

案例分析法

1，2，3

7

特征选择

1.?了解特征的评价准则；

2.?掌握最优/非最优特征选择方法，会利用其中的典型方法进行特征选择；

3.?了解遗传算法和以分类性能为准则的特征选择方法。

4.?能通过实验来验证特征选择方法的有效性

重点：1）特征的评价准则；2