《模式識別基礎》課程教學大綱

《模式識別基礎》教學大綱一、課程基本信息課程名稱模式識別基礎FundamentalofPatternRecognition課程編碼CTL110921020開課院部控制科學與工程學院課程團隊模式識別與人工智能學分2.0課內學時32講授32實驗0上機0實踐0課外學時32適用專業(yè)自動化授課語言雙語先修課程線性代數、高等數學（2-1）、高等數學（2-2）、概率論與數理統(tǒng)計、信號與系統(tǒng)課程簡介（限選）本課程是自動化專業(yè)的限選課。本課程重點介紹模式識別概述、模式識別系統(tǒng)的基本框架、貝葉斯決策理論、線性判別函數、特征提取、聚類等基礎知識及模式識別系統(tǒng)評價方法，簡單介紹神經網絡和深度學習的模型和方法。通過學習使學生了解模式識別在自動化工程領域中的地位和作用及解決模式分類問題的正確方法。通過本課程的學習，進一步拓寬本科生的自動化知識，使本科生掌握模式識別的基本知識，能設計實現簡單的識別系統(tǒng)，具備系統(tǒng)模型選擇、設計實現和結果的能力，同時為學生進入高層次學習打下良好的理論基礎。ThiscourseisthedistributionalelectivecourseofAutomation.Thiscoursefocusesontheoverviewofpatternrecognition,thebasicframeworkofpatternrecognition;Bayesdecisiontheory,lineardiscriminantfunctions,featureextraction,cluster,andevaluationofpatternrecognitionsystems.ThemodelandthetrainingmethodsNeuralNetworkandDeepLearningareintroduced.Bylearningtoenablestudentstounderstandthestatusandroleofpatternrecognitioninautomationareaandthecorrectwaytosolvetheproblemofpatternclassification.Throughthiscourse,tofurtherexpandtheautomationknowledgeofundergraduatestudents,theundergraduatebasicknowledgeofpatternrecognition,abletodesignandimplementasimplerecognitionsystem,withtheabilityofsystemmodelselection,designimplementationandresults.Atthesametimelayasolidtheoreticalfoundationforstudentstoenterthehighlevel.負責人大綱執(zhí)筆人審核人二、課程目標序號代號課程目標OBE畢業(yè)要求指標點任務自選1M1目標1：根據所學模式識別知識能夠具備系統(tǒng)輸入的特征選擇、識別模型選擇、模型判別準則選擇、系統(tǒng)的訓練和識別結果分析、進行系統(tǒng)評估等的能力。是1.31.32M2目標2：了解模式識別的國內外發(fā)展趨勢和研究熱點，能就模式識別領域相關問題進行綜述和分析，能夠具備選擇適合研究問題的參考方案的能力。是4.14.13M3目標3：根據所學模式識別的基本算法，能夠具備根據調研的結果，選擇建立適合問題的系統(tǒng)模型的能力，并能夠進行多種模型的簡化或轉換，了解各模型的特點和適用場合。是4.24.24M4目標4：根據所學模式識別的基本原理和編程方法，能夠具備編程或調試程序實現對應的模式識別系統(tǒng)，分析系統(tǒng)或算法的性能的能力。是4.34.35M5目標5：分組完成大作業(yè)，培養(yǎng)學生的團隊協(xié)作意識，每個團隊成員完成項目中的具體工作，如文件檢索、編寫源代碼、調試程序、撰寫報告、制作PPT答辯等。是9.19.1三、課程內容序號章節(jié)號標題課程內容/重難點支撐課程目標課內學時教學方式課外學時課外環(huán)節(jié)1第1章第1章緒論本章重點難點：模式識別和模式的概念，學習模式識別的基本知識，了解模式識別的流程和框架。/////21.11.1模式識別概念及發(fā)展模式、模式識別等基本知識。M1,M2,M31講授/討論1自學31.21.2模式識別系統(tǒng)框架模式識別系統(tǒng)的基本組成和流程，建立課程的知識體系架構。M1,M2,M31講授/討論1自學4第2章第2章貝葉斯分類本章重點難點：學習貝葉斯決策理論的知識，掌握基于貝葉斯決策的識別系統(tǒng)設計方法。/////52.12.1貝葉斯決策理論貝葉斯規(guī)則，貝葉斯分類準則，分類誤差，最小風險決策等的簡介。M1,M2,M31講授/討論1項目62.22.2判別函數及決策平面后驗概率，最小風險，決策函數，決策面的概念M1,M2,M32講授/討論2自學/項目72.32.3正態(tài)分布的貝葉斯分類高斯概率密度函數，基于正態(tài)分布的貝葉斯決策方法，介紹簡單案例。M1,M2,M32講授/討論2自學/項目82.42.4樣本分布概率密度估計最大似然估計，最大后驗概率估計，貝葉斯推理，最大熵估計，混合模型，非參數估計的知識。M1,M2,M31講授/討論1自學/項目9第3章第3章線性分類器本章重點難點：線性判別函數的基本概念、感知準則函數，掌握線性分類器的設計方法。/////103.13.1線性判別函數對于二分類問題的線性判別函數和判別準則。M1,M2,M3,M4,M52講授/討論2自學/項目113.23.2感知準則函數感知器的結構、梯度下降優(yōu)化方法，感知器算法收斂性的證明。M1,M2,M3,M4,M52講授/討論2自學/項目123.33.3最小平方誤差準則最小平方誤差準則的基本原理和幾何解釋，多類綜合。M1,M2,M3,M4,M51講授/討論1自學/項目133.43.4均方差估計準則均方誤差準則的基本原理。M1,M2,M3,M4,M51講授/討論1自學/項目143.53.5支持向量機支撐向量和最大化邊界準則。M1,M2,M3,M4,M52講授/討論2自學/項目15第4章第4章特征的選擇與提取本章重點難點：掌握特征提取、特征選擇的常用方法，在實際應用中的應用。/////164.14.1數據預處理方法特征向量，特征提取，剔除離群點，數據歸一化，補充丟失數據等。M1,M2,M3,M4,M51講授/討論1自學/項目174.24.2類別可分離性判據ROC曲線，發(fā)散度，散度矩陣等相關的判別方法。M1,M2,M3,M4,M51講授/討論1自學/項目184.34.3特征子集選擇標量特征選擇，次優(yōu)搜索技術進行特征子集選擇方法。M1,M2,M3,M4,M51講授/討論1自學/項目194.44.4最優(yōu)特征生成主成分分析和線性判別分析方法原理與應用。M1,M2,M3,M4,M52講授/討論2自學/項目20第5章第5章系統(tǒng)評估本章重點難點：掌握誤差計算的方法和對系統(tǒng)評估的常用參數及意義。/////215.15.1誤差計算方法有限樣本集合的錯誤樣本統(tǒng)計方法，正確識別的概率估計。M1,M2,M31講授/討論1自學225.25.2有限數據集挖掘恢復方法，保留方法，保留一個方法，與正樣本模式選擇交叉驗證，混淆矩陣，召回率和準確率等。M1,M2,M31講授/討論1自學23第6章第6章聚類：基本概念本章重點難點：近鄰準則/////246.16.1近鄰準則無監(jiān)督學習的概念，不同的距離概念，判別準則。M1,M2,M31講授/討論1自學256.26.2k均值聚類算法k均值聚類算法基本原理。M1,M2,M31講授/討論1自學266.36.3均值漂移算法均值漂移算法的基本原理。M1,M2,M31講授/討論1自學276.46.4高斯混合模型高斯混合模型的基本原理。M1,M2,M31講授/討論1自學28第7章第7章深度學習本章重點難點：卷積神經網絡/////297.17.1BP神經網絡人工神經網絡的基本概念、BP神經網絡的基本原理。M1,M2,M3,M4,M51講授/討論1自學/項目307.27.2卷積神經網絡卷積神經網絡的基本概念與原理。M1,M2,M3,M4,M51講授/討論1自學/項目317.37.3生成對抗網絡生成對抗網絡的基本概念與原理。M1,M2,M3,M4,M51講授/討論1自學/項目327.47.4圖卷積神經網絡圖卷積神經網絡的基本概念與原理。M1,M2,M3,M4,M51講授/討論1自學/項目337.57.5元學習元學習基本概念、小樣本學習。M1,M2,M3,M4,M51講授/討論1自學/項目四、考核方式序號考核環(huán)節(jié)操作細節(jié)總評占比1線上學習和作業(yè)1、要求每章觀看線上學習視頻并進行討論，統(tǒng)計觀看線上資源學習情況評分。2、布置關于特征提取方法總結、貝葉斯分類器和線性分類器的總結等作業(yè)，根據完成情況評分。30%2綜合系統(tǒng)設計項目本課程要求設計完成一個模式識別的應用系統(tǒng)，實現數字識別或人臉識別，也可選擇其他應用，可分組合作完成。該項目綜合考查學生對基本概念和基本識別模型的理解和應用，也綜合訓練學生的等方面的能力。最后根據完成系統(tǒng)的功能和難度等情況、答辯匯報、提交的程序代碼和項目報告等進行評分。70%五、評分細則序號課程目標考核環(huán)節(jié)大致占比評分等級1M1線上學習和作業(yè)80%A-完成線上學習并積極參與討論，較好地完成課后作業(yè)，作業(yè)思路清晰，分析正確并有知識點拓展。B-完成線上學習，參與討論，較好地完成課后作業(yè)，作業(yè)思路清晰，分析正確。C-完成線上學習和課后作業(yè)，作業(yè)思路清晰，分析基本正確。D-未參與線上學習，作業(yè)抄襲，思路混亂，未能完成。2M1綜合系統(tǒng)設計項目20%A-項目答辯匯報中算法原理闡述準確清楚，語言和流程描述規(guī)范，結果分析正確；項目報告格式規(guī)范，文獻綜述部分內容完整，總結分析合理，有自己的設計思想和部分改進；源程序代碼完整優(yōu)化，界面友好，運行結果正確。B-項目答辯匯報中算法原理闡述準確清楚，語言和流程描述規(guī)范，結果分析正確；項目報告格式規(guī)范，內容完整，總結分析合理，有自己的設計思想；源程序代碼完整，運行結果正確。C-項目答辯匯報中算法原理闡述基本準確清楚，語言和流程描述規(guī)范，結果分析基本正確；項目報告格式規(guī)范，文獻綜述部分內容完整，原理正確流程清楚，總結分析基本合理；源程序代碼基本完整，運行結果基本正確。D-項目答辯匯報中算法原理闡述不清楚，語言和流程描述不規(guī)范，結果分析不正確；項目報告格式不規(guī)范或文獻綜述部分內容欠缺，實施方法內容不完整，總結分析合理；源程序代碼不完整或運行結果不正確。3M2線上學習和作業(yè)20%A-完成線上學習并積極參與討論，較好地完成課后作業(yè)，作業(yè)思路清晰，分析正確并有知識點拓展。B-完成線上學習，參與討論，較好地完成課后作業(yè)，作業(yè)思路清晰，分析正確。C-完成線上學習和課后作業(yè)，作業(yè)思路清晰，分析基本正確。D-未參與線上學習，作業(yè)抄襲，思路混亂，未能完成。4M2綜合系統(tǒng)設計項目80%A-項目答辯匯報中算法原理闡述準確清楚，語言和流程描述規(guī)范，結果分析正確；項目報告格式規(guī)范，文獻綜述部分內容完整，總結分析合理，有自己的設計思想和部分改進；源程序代碼完整優(yōu)化，界面友好，運行結果正確。B-項目答辯匯報中算法原理闡述準確清楚，語言和流程描述規(guī)范，結果分析正確；項目報告格式規(guī)范，內容完整，總結分析合理，有自己的設計思想；源程序代碼完整，運行結果正確。C-項目答辯匯報中算法原理闡述基本準確清楚，語言和流程描述規(guī)范，結果分析基本正確；項目報告格式規(guī)范，文獻綜述部分內容完整，原理正確流程清楚，總結分析基本合理；源程序代碼基本完整，運行結果基本正確。D-項目答辯匯報中算法原理闡述不清楚，語言和流程描述不規(guī)范，結果分析不正確；項目報告格式不規(guī)范或文獻綜述部分內容欠缺，實施方法內容不完整，總結分析合理；源程序代碼不完整或運行結果不正確。5M3綜合系統(tǒng)設計項目100%A-項目答辯匯報中算法原理闡述準確清楚，語言和流程描述規(guī)范，結果分析正確；項目報告格式規(guī)范，文獻綜述部分內容完整，總結分析合理，有自己的設計思想和部分改進；源程序代碼完整優(yōu)化，界面友好，運行結果正確。B-項目答辯匯報中算法原理闡述準確清楚，語言和流程描述規(guī)范，結果分析正確；項目報告格式規(guī)范，內容完整，總結分析合理，有自己的設計思想；源程序代碼完整，運行結果正確。C-項目答辯匯報中算法原理闡述基本準確清楚，語言和流程描述規(guī)范，結果分析基本正確；項目報告格式規(guī)范，文獻綜述部分內容完整，原理正確流程清楚，總結分析基本合理；源程序代碼基本完整，運行結果基本正確。D-項目答辯匯報中算法原理闡述不清楚，語言和流程描述不規(guī)范，結果分析不正確；項目報告格式不規(guī)范或文獻綜述部分內容欠缺，實施方法內容不完整，總結分析合理；源程序代碼不完整或運行結果不正確。6M4綜合系統(tǒng)設計項目100%A-項目答辯匯報中算法原理闡述準確清楚，語言和流程描述規(guī)范，結果分析正確；項目報告格式規(guī)范，文獻綜述部分內容完整，總結分析合理，有自己的設計思想和部分改進；源程序代碼完整優(yōu)化，界面友好，運行結果正確。B-項目答辯匯報中算法原理闡述準確清楚，語言和流程描述規(guī)范，結果分析正確；項目報告格式規(guī)范，內容完整，總結分析合理，有自己的設計思想；源程序代碼完整，運行結果正確。C-項目答辯匯報中算法原理闡述基本準確清楚，語言和流程描述規(guī)范，結果分析基本正確；項目報告格式規(guī)范，文獻綜述部分內容完整，原理正確流程清楚，總結分析基本合理；源程序代碼基本完整，運行結果基本正確。D-項目答辯匯報中算法原理闡述不清楚，語言和流程描述不規(guī)范，結果分析不正確；項目報告格式不規(guī)范或文獻綜述部分內容欠缺，實施方法內容不完整，總結分析合理；源程序代碼不完整或運行結果不正確。7M5綜合系統(tǒng)設計項目100%A-項目答辯匯報中算法原理闡述準確清楚，語言和