模式识别与机器学习-教学日历

教学日历（20xx～20xx学年第x学期）开课学院开课专业讲授学时64课程名称模式识别与机器学习授课教师实践/实验学时0授课年级授课班级总学时64使用教材《模式识别与机器学习》参考书目《模式识别与机器学习》校历周次授课内容分章节题目第1周第1章绪论（4学时）1.1引言（0.5学时）1.2模式识别的基本概念（0.5学时）1.3模式识别系统（1学时）1.4机器学习的主要方法（1学时）1.5概率分布（0.5学时）1.6习题（0.5学时）第2周第2章贝叶斯统计决策（4学时）2.1引言（1学时）2.2最小错误率判别规则（1学时）2.3最小风险判别规则（1学时）2.4最大似然比判别规则（1学时）第3周第2章贝叶斯统计决策（4学时）2.4最大似然比判别规则（1学时）2.5Neyman-Pearson判别规则（2学时）2.6最小最大判别规则（1学时）第4周第2章贝叶斯统计决策（4学时）2.6最小最大判别规则（1学时）2.7分类器设计（1学时）2.8正态分布中的贝叶斯分类方法（1学时）2.9小结（1学时）第5周第3章概率密度函数的估计（4学时）3.1引言（0.5学时）3.2最大似然估计（0.5学时）3.3贝叶斯估计与贝叶斯学文（1学时）3.4EM估计方法（1学时）3.5非参数估计方法（0.5学时）3.6小结（0.5学时）第6周第4章线性分类与回归模型（4学时）4.1引言（0.5学时）4.2线性判别函数和决策面（1学时）4.3广义线性判别函数（1学时）4.4最小均方误差判别（1学时）4.5线性回归模型（0.5学时）第7周第4章线性分类与回归模型（2学时）4.5线性回归模型（0.5学时）4.6正则化线性回归（1学时）4.7小结（0.5学时）（0.5学时）第5章其他分类方法（2学时）5.1近邻法（1学时）5.2逻辑斯蒂回归（1学时）第8周第5章其他分类方法（2学时）5.3决策树与随机森林（1学时）5.4小结（1学时）第6章无监督学习和聚类（2学时）6.1引言（1学时）6.2混合模型的估计（1学时）第9周第6章无监督学习和聚类（4学时）6.3动态聚类管法（1学时）6.4层次聚类算法（1学时）6.5谱聚米（1学时）6.6模糊聚类方法（1学时）第10周第6章无监督学习和聚类（2学时）6.7相似性传播聚类（1学时）6.8小结（1学时）第7章核方法和支持向量机（2学时）7.1引言（1学时）7.2核学习机（1学时）第11周第7章核方法和支持向量机（4学时）7.3支持向量机（2学时）7.4支持向量回归机类（1学时）7.5小结（1学时）第12周第8章神经网络和深度学习（4学时）8.1引言（1学时）8.2感知器（2学时）8.3多层前向神经网络（1学时）第13周第8章神经网络和深度学习（4学时）8.3多层前向神经网络（2学时）8.4自组织特征映射神经网络（2学时）第14周第8章神经网络和深度学习（4学时）8.5深度学习（3学时）8.6小结（1学时）第15周第9章特征选择与提取（4学时）9.1引言（1学时）9.2特征选择的一般流程（1学时）9.3特征选怪方决（2学时）第16周第9章特征选择与提取（4学时）9.4线性特征提取方法（2学时