模式識別課程教學(xué)大綱

1、 模式識別教學(xué)大綱課程性質(zhì)專業(yè)任選課課程編號 xx409411課程名稱模式識別適用專業(yè)電子信息工程先修課程 C語言程序設(shè)計、數(shù)字信號處理總學(xué)時32 其中理論 32 學(xué)時，實驗 0學(xué)時。學(xué)分?jǐn)?shù)2一、課程簡介 模式識別課程是電子信息工程專業(yè)高年級本科生的一門選修課程，是研究利用計算機(jī)模式識別的基本理論和方法、應(yīng)用。模式識別就是利用計算機(jī)對某些物理現(xiàn)象進(jìn)行分類，在錯誤概率最小的條件下，使識別的結(jié)果盡量與事物相符。模式識別的原理和方法在醫(yī)學(xué)、軍事等眾多領(lǐng)域應(yīng)用十分廣泛，是計算機(jī)及其相關(guān)專業(yè)進(jìn)行科學(xué)研究的基礎(chǔ)。二、課程教學(xué)目標(biāo)結(jié)合專業(yè)培養(yǎng)目標(biāo)，提出本課程要達(dá)到的目標(biāo)。這些目標(biāo)包括：1、知識目標(biāo)：認(rèn)識模式

2、識別的目的和意義，了解模式識別的過程；理解統(tǒng)計分類法的基本思想，掌握幾何分類法和概率分類法的幾種典型算法；理解聚類分析的基本思想，掌握聚類分析的幾種典型算法。2、能力目標(biāo)：使學(xué)生能應(yīng)用計算機(jī)的模式識別處理自動識別事物，機(jī)器學(xué)習(xí)數(shù)據(jù)分析中有關(guān)的技術(shù)問題。由于本課程的目標(biāo)是側(cè)重在應(yīng)用模式識別技術(shù)，因此在學(xué)習(xí)內(nèi)容上側(cè)重基本概念的講解，輔以必要的數(shù)學(xué)推導(dǎo)，使學(xué)生能掌握模式識別技術(shù)中最基本的概念，以及最基本的處理問題方法。學(xué)生在學(xué)習(xí)過程中還會用到一些概率論的最基本知識，線性代數(shù)中的部分知識，對學(xué)生在數(shù)學(xué)課中學(xué)到知識的進(jìn)一步理解與鞏固起到溫故而知新的作用。三、課程教學(xué)基本要求由于本課程的目標(biāo)是側(cè)重在應(yīng)用模

3、式識別技術(shù)，因此在學(xué)習(xí)內(nèi)容上側(cè)重基本概念的講解，輔以必要的數(shù)學(xué)推導(dǎo)，使學(xué)生能掌握模式識別技術(shù)中最基本的概念，以及最基本的處理問題方法。本課程安排了一些習(xí)題，以便學(xué)生能通過做練習(xí)與實驗進(jìn)一步掌握課堂知識，學(xué)習(xí)了本課程后，大部分學(xué)生能處理一些簡單模式識別問題，如設(shè)計獲取信息的手段，選擇要識別事物的描述方法以及進(jìn)行分類器設(shè)計四、課程教學(xué)模塊（或教學(xué)內(nèi)容）與學(xué)時分配序號教學(xué)模塊知識點學(xué)時1項目一模式識別引論(1)掌握模式和模式識別的概念(2)了解模式識別的發(fā)展和應(yīng)用(3)熟悉模式識別的研究方法22項目二Bayes決策理論(1)掌握最小錯誤概率和最小風(fēng)險的Bayes決策(3)掌握NeymanPearso

4、n決策(4)掌握最小最大決策(5)掌握Bayes分類器和判別函數(shù)(6)掌握正態(tài)分布時和離散情況的Bayes決策法則43項目三概率密度函數(shù)的估計(1)掌握參數(shù)估計的基本概念(2)掌握正態(tài)分布的監(jiān)督參數(shù)估計和非監(jiān)督參數(shù)估計的方法(3)熟悉分類器錯誤率的估計問題44項目四線性判別函數(shù)(1)掌握線性判別函數(shù)和決策面的概念(2)掌握感知準(zhǔn)則函數(shù)和梯度下降法(3)掌握最小平方誤差準(zhǔn)則函數(shù)及其應(yīng)用(4)了解分段線性判別函數(shù)(5)掌握Fisher線性判別函數(shù)及其應(yīng)用45項目五近鄰法(1)掌握最近鄰法的決策規(guī)則(2)熟悉最近鄰法的錯誤率分析(3)掌握k -近鄰法的基本原理(4)了解減少近鄰法的計算量、存儲量的基

5、本思路(5)掌握具有拒絕決策的近鄰法的基本思想(6)了解近鄰法的問題、發(fā)展、改進(jìn)。46項目六特征的抽取和選擇(1)掌握按歐氏距離度量的特征提取方法的原理(2)掌握特征選擇最優(yōu)搜索算法的原理(3)掌握特征選擇順序前進(jìn)、順序后退算法原理，及其結(jié)合算法的思路(4)掌握遺傳算法用于特征選擇的算法思路47項目七非監(jiān)督學(xué)習(xí)方法(1)基于投影、兩維顯示的單峰子集分離法的基本思路；(2)C-均值算法的基本思路；(3)近鄰函數(shù)準(zhǔn)則算法的基本思路；(4)分級聚類算法的基本思路；(5)非監(jiān)督學(xué)習(xí)應(yīng)當(dāng)注意什么問題48項目八聚類分析（1）掌握典型的聚類方法，熟悉動態(tài)聚類方法的基本原理；（2）了解分級聚類方法分析以及使用

6、不同相似度計算方法的影響。49項目九人工神經(jīng)網(wǎng)絡(luò)在模式識別中的應(yīng)用(1)熟悉人工神經(jīng)元的基本知識(2)掌握基于三層前向人工神經(jīng)網(wǎng)絡(luò)BP算法的基本思想；(3)掌握競爭學(xué)習(xí)和側(cè)抑制的基本思想；(4)掌握自組織特征影射的基本思路；(5)掌握Hopfield網(wǎng)絡(luò)的實現(xiàn)；(6)了解解決XOR問題的BP網(wǎng)絡(luò)的樣本描述、激活函數(shù)，以及各連接權(quán)、閾值的結(jié)果；(7)能夠結(jié)合參考文獻(xiàn)討論基于BP網(wǎng)絡(luò)的模式識別的應(yīng)用2五、教學(xué)方法與策略以教師課堂講授為主，配合多媒體教學(xué)手段。開設(shè)習(xí)題討論課。加強(qiáng)課外答疑、輔導(dǎo)。六、學(xué)生學(xué)習(xí)成效考核方式課程學(xué)習(xí)成效的考核方式可以多樣化，建議按如下考核方式進(jìn)行?？己谁h(huán)節(jié)構(gòu)成（均為100分制）評分依據(jù)占總成績的比重上課出勤10分上課缺席一次扣2 分，缺課達(dá)1/3取消資格。占20%；平時成績20分包括習(xí)題作業(yè)和課堂練習(xí)占10%；期末成績70分筆試占70%六、選用教材張學(xué)工等，模式識別（第三版），清華大學(xué)出版社，2010.8七、參考資料主要參考書目：1西格爾斯.西奧多里蒂斯、康斯坦提諾斯.庫特龍巴斯，模式識別（第四版），電子工業(yè)出版社，2016年2楊淑瑩，模式識別