《模式识别》课程教学大纲

课程名称：模式识别(patternrecognition)课程编码：1502ZY157课程类别：专业基础-选修学分：3分总学时：48学时，其中，授课学时：40学时；上机学时：8学时适用专业：人工智能专业涂继辉涂继辉(一)育人目标入手，将育人要素和信号与系统专业知识嵌入到课堂中教学，凝聚学生对社会主义核心价值观的共识。通过科学家故事学习科学精神，通过课程概念原理学习系统论、工程论、科学思维，利用模式识别实际应用研究学习应用这些理论、知识与方法解决可能遇到的问题(毕业要求1.2);生个人研究领域中所遇到的问题(毕业要求2.2)。课程目标毕业要求指标点课程目标1.2了解模式识别的基本概念、基本原理和基本方法等理论基础知识，了解模式识别的知识体系结构和应用领域，培养学生的专业兴趣。课程目标22.2通过以上知识点的学习，让学生可以把人工智能与个人研究方向结合，更好解决学生个人研究领域中所遇到的问题；分章节说明教学内容，课时安排，并说明教学重点与难点、主要教学模式(包括授课、设计、大作业等)以及对应的知识、能力要求。章节教学内容授课学时教学模式对应课程目标1模式识别概述4课堂授课，课堂讨论课程目标12统计决策方法4课堂授课，课堂讨论课程目标1/23概率密度函数的估计4课堂授课，课堂讨论课程目标1/24线性分类器4课堂授课，课堂讨论课程目标1/25非线性分类器4课堂授课，课堂讨论课程目标1/26特征选择和特征提取4课堂授课，课堂讨论、课程目标1/27非监督模式识别4课堂授课，课堂讨论、课程目标1/28模式识别系统的评价4课堂授课，课堂讨论、课程目标1/2(1)概论(2学时)模式与模式识别模式识别的主要方法监督模式识别与非监督模式识别模式识别系统举例模式识别系统的典型构成(2)统计决策方法(4学时)引言：一个简单的例子最小错误率贝叶斯决策最小风险贝叶斯决策两类错误率、neyman-pearson决策与roc曲线正态分布时的统计决策错误率的计算离散概率模型下的统计决策举例(3)概率密度函数的估计(2学时)引言最大似然估计贝叶斯估计与贝叶斯学习概率密度估计的非参数方法(4)线性分类器(4学时)引言线性判别函数的基本概念fisher线性判别分析感知器最小平方误差判别最优分类超平面与线性支持向量机多类线性分类器(5)非线性分类器(4学时)引言分段线性判别函数二次判别函数多层感知器神经网络支持向量机核函数机器(6)特征选择和特征提取(8学时)引言特征的评价准则特征选择的最优、次优和遗传算法以分类性能为准则的特征选择方法基于类别可分性判据的特征提取主成分分析方法karhunen-loeve变换k-1变换在人脸识别中的应用举例高维数据的低维显示多维尺度法非线性变换方法简介(7)非监督模式识别(4学时)引言基于模型的方法混合模型的估计动态聚类算法模糊聚类方法分级聚类方法(8)模式识别系统的评价(4学时)监督模式识别方法的错误率估计有限样本下错误率的区间估计问题特征提取与选择对分类器性能估计的影响从分类的显著性推断特征与类别的关系非监督模式识别系统性能的评价为主，并适当参与讨论。教师主要讲授课程的基本概念、基本理论和基本方法。同时，有意识设计一些讨论性问题，引导学生运用已有的知识进行思考。考虑到本课程涉及内容多，故采用多媒体教学手段，以提高课堂效1.考核标准与成绩评定课程考核包括课堂考勤、讨论发言和课后作业三个部分。平时成绩(百分制),包括课堂讨论与测验、作业等基本要求评价标准优秀(0.9-1)良好(0.7-0.89)合格(0.6-0.69)不合格(0-0.59)掌握模式识别的基本概念、熟练掌握模式识熟练掌握模式识熟练掌握模式识了解掌握模式识基本的知识点、相关应用和别的基本概念、别的基本概念、别的基本概念、别的基本概念、发展前景，并能利用python基本的知识点、基本的知识点、基本的知识点、基本的知识点、开发语言和相应开发库完相关应用，并能相关应用，并能相关应用，了解相关应用，不能成一些实践案例利用python开发语言和相应开发库完成一些实践利用python开发语言和相应开发库完成较为基础利用python开发语言解决实际问题的流程利用python开发语言和相应人工智能开发库完成案例的实践案例些实践案例课程期末考试考核内容与评价标准基本要求评价标准比例优秀(0.9-1)良好(0.7-0.89)合格(0.6-0.69)不合格(0-0.59)、相关应用。较为熟练掌握模式识别的基本概念、基本的知识点、相关应用。没有掌握模式识别的基本概念、基本的知识点、相关应用。2言和相应开发库完成些实践案例python开发语例python开发语言和相应开发库完成一些实践案例python开发语例的流程python开发语言和相应开发库完成一些实践案例注：该表格中的比例为期末成绩评定方案。成绩评定为：考勤*30%+平时作业*70%。2.课程目标达成评价表2《模式识别》课程目标达成评价分析报告、课程基本信息课程名称模式识别课程性质专业限选课学时学分开课学期专业班级考核方式考查任课教师：评价人员：课任老师二、课程目标达成评估课程目标支撑指标点课程目标评价数据源评价依据分值平均分达成度值KM评价方式毕业要求1.2掌握模式识别的基本概念、目标1:掌握模式识别的基本概念、基本的知识点、相关应用。式识别的基本概念、基本理题构成说明=0.71平时作业A10=100A1=81毕业要求2.2能利用python开发语言和相应开发库完成一些实践案例目标2:能利用python开发语言和相