模式识别大纲

《模式识别》教学大纲适用专业计算机本科专业总学时32理论学时32学分2实践学时课程类型专业任选课考核方式考查先修课程概率论与数理统计一、 课程的教学目标和任务本课程是一门模式识别与智能计算方向的导论基础课，适合计算机各专业对该学科有兴趣的学生选修。本课程的目的是通过学习使学生了解模式识别技术的基本概念、基本理论、基本算法和应用方式，理解模式识别的主要研究内容、研究方向和研究方法，掌握统计模式识别和结构模式识别的基础算法。本课程的任务是通过教师对课程的讲授，使学生了解模式识别学科的基本概念、基本理论和研究思路，掌握模式识别的分类决策理论和基本算法，掌握模式识别分析的基本理论和基本算法，培养学生利用所学知识解决模式识别方面的实际问题的基本能力，为后续模式识别与智能系统专业的学习和深入研究奠定基础。二、 教学内容及学时分配总学时：32学时第一章绪论（5学时）1、 课程内容一、 模式识别中的概念二、 模式识别系统构成三、 特征选择方法概要2、 重点、难点⑴教学重点：本课程是计算机信息处理领域的基础理论课程，明确模式识别的基本功能与基本概念⑵教学难点：快速将学生引入模式识别领域，提升学生对计算机理论研究的兴趣。3、基本要求灵活应用紧致性处理模式之间是否可分的问题；通过掌握判别阈值法，明确模式识别的基本处理方法，模式识别是如何分析解决现实问题的；掌握特征生成方法中的提取和选择，对于给定实物特征能领会提取实物的有用信息。第二章分类器设计（10学时）1、 课程内容第一节基于概率统计的贝叶斯分类器设计一、 贝叶斯决策的基本概念二、 基于最小错误率的的贝叶斯决策三、 基于最小风险的贝叶斯分类实现第二节判别函数分类器设计一、 判别函数的基本概念二、 LMSE分类算法三、 fisher分类算法第三节神经网络分类器设计一、 人工神经网络的基本原理二、 BP神经网络第四节决策树分类器一、 决策树的基本概念二、 决策树分类器设计第五节粗糙集分类器一、 粗糙集理论的基本概念二、 粗糙集在模式识别中的应用三、 粗糙集分类器设计2、 重点、难点⑴教学重点：如何保证分类器设计完成后，能正常分类，如何查找错分情况，如何分析错分可能性；⑵教学难点：阐明分类器设计中的数学理论，增强其对分类器的理论支撑。3、基本要求了解不同分类器的基本概念；理解不同分类器的基本理论推导以及相关概念；掌握分类器的设计过程。第三章聚类分析(10学时)1、 课程内容第一节聚类的设计第二节基于试探的未知类别聚类算法一、 最邻近规则试探法二、 最大最小距离算法第三节层次聚类算法一、 最短距离法二、 最长距离法三、 中间距离法四、 重心法五、 类平均距离法第四节动态聚类算法一、 K均值算法二、 迭代自组织的数据分析算法(ISODATA)第五节模拟退火聚类算法一、 模拟退火的基本概念二、 基于模拟退火思想的改进K均值聚类算法第六节模糊聚类分析一、 模糊集概念与运算二、 模糊关系三、 基于模糊的聚类分析2、 重点、难点⑴教学重点：聚类方法为什么是模式识别中，自动化较高，人为干预较少，目前应用很广发的分类识别方法。⑵教学难点：对于聚类识别中的算法，理论推导是算法的基础，附加MATLAB实验，增强学生处理能力，加深对算法的认识。3、基本要求了解聚类识别的基本概念；理解聚类算法的基本理论推导以及相关概念；掌握聚类算法处理问题的特点，以及如何构建聚类分析。第四章 复杂的聚类分析算法（7学时）1、 课程内容第一节遗传算法聚类分析一、 遗传算法的基本概念二、 遗传算法的构成要素三、 控制参数的选择四、 基于遗传算法的聚类分析第二节蚁群算法聚类分析一、 蚁群算法的基本概念二、 聚类数目已知的蚁群聚类算法三、 聚类数目未知的蚁群聚类算法第三节粒子群算法聚类分析一、 粒子群算法的基本概念二、 基于粒子群算法的聚类分析2、 重点、难点⑴教学重点：在上一章基础上介绍更为复杂的聚类算法，加深学生对算法的认识。⑵教学难点：加强学生matlab实验的应用能力，为最终的论文考查做准备。3、 基本要求了解复杂聚类算法的基本概念；理解复杂聚类算法的基本理论推导以及相关概念；掌握聚类算法处理问题的特点，以及如何构建聚类分析。三、 课程教学的基本要求1、 课堂讲授运用理论分析法、理论联系实验、讨论等教学方法，深入浅出的进行教学。2、 考核与成绩评定考核：模式识别论文写作，雷同论文取消成绩，对于思想新颖论文给予高分评定。成绩评定：论文占70%，课后作业、课堂作业占20%，出勤10%。3、论文评分标准字数要求：1500字以上。评分标准：100分主要分为：论文结构50分；语言组织20分；创新10分；价值20分。具体评分标准如下：论文结构：50分论文层次分明，内容组织有序：40~50分；论文层次一般，内容组织一般：30~39分；论文层次不合理，内容组织不合理：30分以下。语言组织：20分语言简练，通顺。16〜20分；语言一般，基本通顺。12~15分；语言不通顺，有错字。11分以下。创新： 10分论文具有前瞻性，有较多的创新见解：8〜10分；论文具有前瞻性，有少数的创新见解：4~7分；论文没有前瞻性，无创新：0〜3分。价值：20分论文有较高的理论或使用价值，能够解决实际问题或体现所学理论知识；16〜20分；论文使用价值或理论价值一般，有一定的参考价值；8~15分；论文没有价值：0~7分。四、学时分配的建议