模式識(shí)別教學(xué)大綱

1、精選優(yōu)質(zhì)文檔-傾情為你奉上模式識(shí)別教 學(xué) 大 綱一課程性質(zhì)與教學(xué)目的本課程是計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)研究生一年級的專業(yè)選修課，是研究計(jì)算機(jī)模式識(shí)別的基本理論、方法和應(yīng)用。本課程的教學(xué)目的是，通過本課程的學(xué)習(xí)，使學(xué)生掌握模式識(shí)別的基本概念、基本原理、基本分析方法和算法，培養(yǎng)學(xué)生利用模式識(shí)別方法，運(yùn)用技能解決本專業(yè)和相關(guān)領(lǐng)域的實(shí)際問題的能力。二課程要求重點(diǎn)掌握下列幾方面的知識(shí)。 （1）貝葉斯決策理論。（2）概率密度函數(shù)的估計(jì)。 （3）線性差別函數(shù)。（4）非線性差別函數(shù)。 （5）近鄰法。（6）特征的選擇與提取。（7）基于K-L展開式的特征提取。（8）非監(jiān)督學(xué)習(xí)方法。（9）人工神經(jīng)網(wǎng)絡(luò)。（10）模糊模式識(shí)

2、別方法。（11）統(tǒng)計(jì)學(xué)習(xí)理論 支持向量機(jī)。三教學(xué)內(nèi)容及要求教學(xué)內(nèi)容教學(xué)要求第1章 概論1.1模式與模式識(shí)別1.2模式識(shí)別的主要方法1.3監(jiān)督模式識(shí)別與非監(jiān)督模式識(shí)別1.4模式識(shí)別系統(tǒng)舉例1.5模式識(shí)別系統(tǒng)的典型構(gòu)成了解模式識(shí)別的相關(guān)常識(shí)與概念，以及一些基本問題第2章 統(tǒng)計(jì)決策方法2.1引言：一個(gè)簡單的例子2.2最小錯(cuò)誤率貝葉斯決策2.3最小風(fēng)險(xiǎn)貝葉斯決策2.4兩類錯(cuò)誤率、neyman-pearson決策與roc曲線2.5正態(tài)分布時(shí)的統(tǒng)計(jì)決策2.6錯(cuò)誤率的計(jì)算2.7離散概率模型下的統(tǒng)計(jì)決策舉例1.理解最小錯(cuò)誤率貝葉斯決策和最小風(fēng)險(xiǎn)貝葉斯決策，2.理解正態(tài)分布時(shí)的統(tǒng)計(jì)決策3.理解錯(cuò)誤率的計(jì)算第3章

3、 概率密度函數(shù)的估計(jì)3.1引言3.2最大似然估計(jì)3.3貝葉斯估計(jì)與貝葉斯學(xué)習(xí)3.4概率密度估計(jì)的非參數(shù)方法了解最大似然估計(jì)、貝葉斯方法與概率密度估計(jì)。第4章 線性分類器4.1引言4.2線性判別函數(shù)的基本概念4.3fisher線性判別分析4.4感知器4.5最小平方誤差判別4.6最優(yōu)分類超平面與線性支持向量機(jī)4.7多類線性分類器1.理解線性判別函數(shù)的基本概念2.理解fisher線性判別分析3.理解感知器和最小平方誤差判別4.了解最優(yōu)分類超平面與線性支持向量機(jī)5.了解多類線性分類器第5章 非線性分類器5.1引言5.2分段線性判別函數(shù)5.3二次判別函數(shù)5.4多層感知器神經(jīng)網(wǎng)絡(luò)5.5支持向量機(jī)5.6核函

4、數(shù)機(jī)器1.理解分段線性判別函數(shù)和二次判別函數(shù)2.理解多層感知器神經(jīng)網(wǎng)絡(luò)3.理解支持向量機(jī)和核函數(shù)機(jī)器第6章 其他分類方法.6.1近鄰法6.2決策樹與隨機(jī)森林6.3羅杰斯特回歸6.4boosting方法1.理解近鄰法和決策樹與隨機(jī)森林2.理解羅杰斯特回歸3.了解boosting方法第7章 特征選擇7.1引言7.2特征的評價(jià)準(zhǔn)則7.3特征選擇的最優(yōu)算法7.4特征選擇的次優(yōu)算法7.5特征選擇的遺傳算法7.6以分類性能為準(zhǔn)則的特征選擇方法1理解特征的評價(jià)準(zhǔn)則2理解特征選擇的各種算法3. 理解以分類性能為準(zhǔn)則的特征選擇方法第8章 特征提取8.1引言8.2基于類別可分性判據(jù)的特征提取8.3主成分分析方法8

5、.4karhunen-loeve變換8.5k-l變換在人臉識(shí)別中的應(yīng)用舉例8.6高維數(shù)據(jù)的低維顯示8.7多維尺度法8.8非線性變換方法簡介1掌握基于類別可分性判據(jù)的特征提取2掌握主成分分析方法3理解karhunen-loeve變換4. 理解高維數(shù)據(jù)的低維顯示和多維尺度法5.了解非線性變換方法第9章 非監(jiān)督模式識(shí)別9.1引言9.2基于模型的方法9.3混合模型的估計(jì)9.4動(dòng)態(tài)聚類算法9.5模糊聚類方法9.6分級聚類方法9.7自組織映射神經(jīng)網(wǎng)絡(luò)1了解基于模型的方法2理解混合模型的估計(jì)3. 理解動(dòng)態(tài)聚類算法、模糊聚類方法和分級聚類方法6. 了解自組織映射神經(jīng)網(wǎng)絡(luò)第10章 模式識(shí)別系統(tǒng)的評價(jià)10.1監(jiān)督模式識(shí)別方法的錯(cuò)誤率估計(jì)10.2有限樣本下錯(cuò)誤率的區(qū)間估計(jì)問題10.3特征提取與選擇對分類器性能估計(jì)的影響10.4從分類的顯著性推斷特征與類別的關(guān)系10.5非監(jiān)督模式識(shí)別系統(tǒng)性能的評價(jià)理解錯(cuò)誤率估計(jì)、區(qū)間估計(jì)以及分類器性能估計(jì)等模式識(shí)別系統(tǒng)的評價(jià)方法四使用教材和教學(xué)參考書 使用教材：張