研究生课程《模式识别》教学大纲_第1页
研究生课程《模式识别》教学大纲_第2页
研究生课程《模式识别》教学大纲_第3页
研究生课程《模式识别》教学大纲_第4页
研究生课程《模式识别》教学大纲_第5页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、研究生课程模式识别教学大纲课程编号：Math2059课程名称：模式识别英文名称：Pattern Recognition开课单位：数学科学学院开课学期：秋课内学时：36教学方式：讲授适用专业及层次：理工科各专业硕士考核方式：考试预修课程：线性代数、概率论一、教学目标与要求本课程较全面、系统地介绍模式识别的的基本理论、原理方法和应用，重点需要学生掌握贝叶斯决策理论、概率密度函数的估计、线性差别函数、非线性差别函数、近邻法、特征的选择与提取、基于K-L展开式的特征提取、非监督学习方法、人工神经网络、模糊模式识别方法、统计学习理论比如支持向量机等。通过本课程的学习，培养学生对模式识别的基本概念、基本原

2、理、基本分析方法和算法的理解和掌握，培养学生利用模式识别方法，运用技能解决本专业和相关领域的实际问题的能力。二、课程内容与学时分配第一章绪论（2学时）1.1模式与模式识别1.2模式识别的主要方法1.3监督模式识别与非监督模式识别1.4模式识别系统举例1.5模式识别系统的典型构成第二章统计决策方法（4学时）2.1引言：一个简单的例子2.2最小错误率贝叶斯决策2.3最小风险贝叶斯决策2.4两类错误率、neyman-pearson决策与roc曲线2.5正态分布时的统计决策2.6错误率的计算2.7离散概率模型下的统计决策举例第三章概率密度函数的估计（2学时）3.1引言3.2最大似然估计3.3贝叶斯估计

3、与贝叶斯学习3.4概率密度估计的非参数方法第四章矩阵的因子分解（4学时）4.1引言4.2线性判别函数的基本概念4.3fisher线性判别分析4.4感知器4.5最小平方误差判别4.6最优分类超平面与线性支持向量机4.7多类线性分类器第五章非线性分类器（4学时）5.1引言5.2分段线性判别函数5.3二次判别函数5.4多层感知器神经网络5.5支持向量机5.6核函数机器第六章其他分类方法.（4学时）6.1近邻法6.2决策树与随机森林6.3罗杰斯特回归6.4boosting方法第七章特征选择（4学时）7.1引言7.2特征的评价准则7.3特征选择的最优算法7.4特征选择的次优算法7.5特征选择的遗传算法7

4、.6以分类性能为准则的特征选择方法第八章特征提取（5学时）81引言8.2基于类别可分性判据的特征提取8.3主成分分析方法8.4karhunen-loeve变换8.5k-l变换在人脸识别中的应用举例8.6高维数据的低维显示8.7多维尺度法8.8非线性变换方法简介第九章非监督模式识别（5学时）9.1引言9.2基于模型的方法9.3混合模型的估计9.4动态聚类算法9.5模糊聚类方法9.6分级聚类方法9.7自组织映射神经网络第十章模式识别系统的评价（2学时）10.1监督模式识别方法的错误率估计10.2有限样本下错误率的区间估计问题10.3特征提取与选择对分类器性能估计的影响10.4从分类的显著性推断特征与类别的关系10.5非监督模式识别系统性能的评价三、教材张学工编，模式识别，清华大学

人人文库> 全部分类> 教育资料 > 备课教案

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论