模式識(shí)別教學(xué)大綱

1、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(jí)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)別方法。(

2、11) 統(tǒng)計(jì)學(xué)習(xí)理論 支持向量機(jī)。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(jiǎn)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roc1. 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

4、機(jī)5.6核函數(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6.4boosti ng 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(píng)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(píng)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1 掌握基于類別可分性

5、判據(jù)的特征提取 2掌握主成分分析方法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8.4karh unen-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(jiǎn)介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(jí)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(jí)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(píng)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(duì)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(píng)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(píng)價(jià)方法四.使用教材和教學(xué)參