模式識(shí)別及應(yīng)用課程教學(xué)大綱

1、《模式識(shí)別及應(yīng)用模式識(shí)別及應(yīng)用》課程教學(xué)大綱課程教學(xué)大綱編號(hào)：40021340英文名稱英文名稱：PatternRecognitionItsApplications適用專業(yè)適用專業(yè)：電子信息工程責(zé)任教學(xué)單位責(zé)任教學(xué)單位：電子工程系電子信息教研室總學(xué)時(shí)：32學(xué)分：2.0考核形式考核形式：考查課程類別課程類別：專業(yè)課修讀方式修讀方式：必修教學(xué)目的教學(xué)目的：模式識(shí)別是電子信息工程專業(yè)的一門專業(yè)必修課。通過(guò)該課程的學(xué)習(xí)，學(xué)生能夠掌握模式識(shí)別的基本

2、理論和主要方法，并且能掌握在大量的模式樣本中獲取有用信息的原理和算法，通過(guò)課外上機(jī)練習(xí)，學(xué)會(huì)編寫(xiě)模式識(shí)別的算法程序，達(dá)到理論和實(shí)踐相結(jié)合的目的，使學(xué)生了解模式識(shí)別的應(yīng)用領(lǐng)域，為將來(lái)從事這一方面的研究打下初步基礎(chǔ)。本課程的主要教學(xué)方法本課程的主要教學(xué)方法：本課程以理論教學(xué)為主，實(shí)踐教學(xué)為輔。本課程與其他課程的聯(lián)系與分工本課程與其他課程的聯(lián)系與分工：本課程的先修課程是線性代數(shù)、概率與數(shù)理統(tǒng)計(jì)。它與數(shù)字圖像處理課可并開(kāi)。所學(xué)知識(shí)可以直接應(yīng)用于

3、相關(guān)課題的畢業(yè)設(shè)計(jì)中，并可為學(xué)生在研究生階段進(jìn)一步深入學(xué)習(xí)模式識(shí)別理論和從事模式識(shí)別方向的研究工作打下基礎(chǔ)。主要教學(xué)內(nèi)容及要求主要教學(xué)內(nèi)容及要求：由于本課程的目標(biāo)是側(cè)重在應(yīng)用模式識(shí)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(shí)別技術(shù)中最基本的概念，以及最基本的處理問(wèn)題方法。本課程安排了一些習(xí)題，以便學(xué)生能通過(guò)做練習(xí)與實(shí)驗(yàn)進(jìn)一步掌握課堂知識(shí)，學(xué)習(xí)了本課程后，大部分學(xué)生能處理一些簡(jiǎn)單模式識(shí)別問(wèn)題，如設(shè)計(jì)獲

4、取信息的手段，選擇要識(shí)別事物的描述方法以及進(jìn)行分類器設(shè)計(jì)。第一部分第一部分模式識(shí)別及應(yīng)用概述教學(xué)重點(diǎn)教學(xué)重點(diǎn)：模式識(shí)別的概念。教學(xué)難點(diǎn)教學(xué)難點(diǎn)：模式識(shí)別的概念。教學(xué)要點(diǎn)及要求教學(xué)要點(diǎn)及要求：理解模式識(shí)別系統(tǒng)，模式識(shí)別的應(yīng)用；掌握模式識(shí)別的概念。第二部分第二部分統(tǒng)計(jì)模式識(shí)別——概率分類法教學(xué)重點(diǎn)教學(xué)重點(diǎn)：概率分類的判別標(biāo)準(zhǔn)。教學(xué)難點(diǎn)教學(xué)難點(diǎn)：概率分類的判別標(biāo)準(zhǔn)，正態(tài)密度及其判別函數(shù)。教學(xué)要點(diǎn)及要求教學(xué)要點(diǎn)及要求：了解密度函數(shù)的估計(jì)；理解正

5、態(tài)密度及其判別函數(shù)：（1）正態(tài)密度函數(shù)，（2）正態(tài)分布樣品的判別函數(shù)；掌握概率分類的判別標(biāo)準(zhǔn)：（1）Bayes法則，（2）Bayes風(fēng)險(xiǎn)，（3）基于Bayes法則的分類器，（4）最小最大決策，（5）Neymanpearson決策。第三部分第三部分聚類分析教學(xué)重點(diǎn)教學(xué)重點(diǎn)：基于試探的聚類算法。教學(xué)難點(diǎn)教學(xué)難點(diǎn)：基于試探的聚類算法，層次聚類算法，動(dòng)態(tài)聚類法。教學(xué)要點(diǎn)及要求教學(xué)要點(diǎn)及要求：了解合取聚類法、最小張樹(shù)分類法；理解層次聚類算法，動(dòng)態(tài)

6、聚類法：（1）K均值算法，（2）迭代自組織的數(shù)據(jù)分析算法；掌握基于試探的聚類算法：（1）基于最近鄰規(guī)則的試探法，（2）最大最小距離法。第四部分第四部分模糊模式識(shí)別教學(xué)重點(diǎn)教學(xué)重點(diǎn)：模糊信息處理的基本概念。教學(xué)難點(diǎn)教學(xué)難點(diǎn)：模糊綜合評(píng)判，基于識(shí)別算法的模糊模式識(shí)別。教學(xué)要點(diǎn)及要求教學(xué)要點(diǎn)及要求：理解模糊識(shí)別信息地獲取，模糊綜合評(píng)判，基于識(shí)別算法的模糊模式識(shí)別，模糊聚類分析；掌握模糊信息處理的基本概念。第五部分第五部分神經(jīng)網(wǎng)絡(luò)識(shí)別理論及模型

7、教學(xué)重點(diǎn)教學(xué)重點(diǎn)：人工神經(jīng)網(wǎng)絡(luò)基本模型。教學(xué)難點(diǎn)教學(xué)難點(diǎn)：模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)。教學(xué)要點(diǎn)及要求教學(xué)要點(diǎn)及要求：理解神經(jīng)網(wǎng)絡(luò)分類器，模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)，神經(jīng)網(wǎng)絡(luò)識(shí)別模型及相關(guān)技術(shù)；掌握人工神經(jīng)網(wǎng)絡(luò)基本模型。第六部分第六部分特征提取與選擇教學(xué)重點(diǎn)教學(xué)重點(diǎn)：類別可分性判據(jù)，基于可分性判據(jù)進(jìn)行變換的特征提取與選擇，最佳鑒別矢量的提取。教學(xué)難點(diǎn)教學(xué)難點(diǎn)：基于可分性判據(jù)進(jìn)行變換的特征提取與選擇，最佳鑒別矢量的提取。教學(xué)要點(diǎn)及要求教學(xué)要點(diǎn)及要求：理解離散K

8、L變換及其在特征提取與選擇中的應(yīng)用，熟悉基于決策界的特征提取，熟悉特征選擇中的直接挑選法；掌握類別可分性判據(jù)，基于可分性判據(jù)進(jìn)行變換的特征提取與選擇，最佳鑒別矢量的提取。學(xué)時(shí)分配表學(xué)時(shí)分配表：學(xué)時(shí)分配序號(hào)教學(xué)內(nèi)容理論實(shí)踐學(xué)時(shí)小計(jì)備注1第一章概論2022第二章統(tǒng)計(jì)模式識(shí)別——概率分類法6063第三章聚類分析4484第四章模糊模式識(shí)別4045第五章神經(jīng)網(wǎng)絡(luò)識(shí)別理論及模型6066第六章特征提取與選擇6067合計(jì)28432實(shí)驗(yàn)要求實(shí)驗(yàn)要求：實(shí)驗(yàn)