2023年博士生入学考试模式识别科目考试大纲.docxVIP

2023年博士生入学考试初试科目考试大纲

科目名称：模式识别

一、 考试总体要求

精通模式识别的核心理念和策略，掌握其发展趋势，并能运用这些理论和方法解决实际问题。

二、 考试内容

1．模式识别基础：了解不同类型的模式识别，系统构成，以及评估模式识别系统的方法。

2.贝叶斯分类方法：最小错误率决策、最小风险决策和最大最小决策。

3.特征选择与提取：原则和基本方法，以及特征提取对分类的影响分析。

线性判别函数是线性分类的基础，它定义了支持向量机和多类问题分类的方法。

非线性判别函数：采用分段线性方法，结合特征空间变换和非线性支持向量机及决策树技术。

6.人工神经网络与深度学习：介绍常用的神经网络结构、训练算法，以及基于神经网络的模式识别方法。同时，阐述几种常见的深度学习技术（卷积神经网络、深度置信网络、循环神经网络）的网络结构和训练过程，以及它们在实际应用中的作用。

7.聚类分析：模式的相似性测度，类的定义及类间距和基本聚类算法。

8.模糊模式识别：涉及隶属度原则、就近原则以及基本的模糊聚类方法。

9.应用实例的初步设计与分析。

三、 考试题型

答题、论述题和应用设计与分析等各类题型

四、

1.《模《数学公式识别》，工著，2010年8月出版。

《》，由和康斯坦提诺斯·库特龙巴斯共同撰写，翻译。?等译，电子工业出版社，2016年10月

3.《深度学习》，[美]Ian??[加]Aaron?Courville,2017年8月，