模式識別及應用課程教學大綱

1、《模式識別及應用》課程教學大綱《模式識別及應用》課程教學大綱編號：40021340英文名稱英文名稱：PatternRecognitionItsApplications適用專業(yè)適用專業(yè)：電子信息工程責任教學單位責任教學單位：電子工程系電子信息教研室總學時：32學分：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：必修教學目的教學目的：模式識別是電子信息工程專業(yè)的一門專業(yè)必修課。通過該課程的學習，學生能夠掌握模式識別的

2、基本理論和主要方法，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，通過課外上機練習，學會編寫模式識別的算法程序，達到理論和實踐相結合的目的，使學生了解模式識別的應用領域，為將來從事這一方面的研究打下初步基礎。本課程的主要教學方法本課程的主要教學方法：本課程以理論教學為主，實踐教學為輔。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。它與數(shù)字圖像處理課可并開。所學知識可以直接應

3、用于相關課題的畢業(yè)設計中，并可為學生在研究生階段進一步深入學習模式識別理論和從事模式識別方向的研究工作打下基礎。主要教學內容及要求主要教學內容及要求：由于本課程的目標是側重在應用模式識別技術，因此在學習內容上側重基本概念的講解，輔以必要的數(shù)學推導，使學生能掌握模式識別技術中最基本的概念，以及最基本的處理問題方法。本課程安排了一些習題，以便學生能通過做練習與實驗進一步掌握課堂知識，學習了本課程后，大部分學生能處理一些簡單模式識別問題，如設

4、計獲取信息的手段，選擇要識別事物的描述方法以及進行分類器設計。第一部分第一部分模式識別及應用概述教學重點教學重點：模式識別的概念。教學難點教學難點：模式識別的概念。教學要點及要求教學要點及要求：理解模式識別系統(tǒng)，模式識別的應用；掌握模式識別的概念。第二部分第二部分統(tǒng)計模式識別——概率分類法教學重點教學重點：概率分類的判別標準。教學難點教學難點：概率分類的判別標準，正態(tài)密度及其判別函數(shù)。教學要點及要求教學要點及要求：了解密度函數(shù)的估計；理

5、解正態(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準：（1）Bayes法則，（2）Bayes風險，（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重點教學重點：基于試探的聚類算法。教學難點教學難點：基于試探的聚類算法，層次聚類算法，動態(tài)聚類法。教學要點及要求教學要點及要求：了解合取聚類法、最小張樹分類法；理解層次聚類算法，

6、動態(tài)聚類法：（1）K均值算法，（2）迭代自組織的數(shù)據分析算法；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別教學重點教學重點：模糊信息處理的基本概念。教學難點教學難點：模糊綜合評判，基于識別算法的模糊模式識別。教學要點及要求教學要點及要求：理解模糊識別信息地獲取，模糊綜合評判，基于識別算法的模糊模式識別，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網絡識別理論及

7、模型教學重點教學重點：人工神經網絡基本模型。教學難點教學難點：模糊神經網絡系統(tǒng)。教學要點及要求教學要點及要求：理解神經網絡分類器，模糊神經網絡系統(tǒng)，神經網絡識別模型及相關技術；掌握人工神經網絡基本模型。第六部分第六部分特征提取與選擇教學重點教學重點：類別可分性判據，基于可分性判據進行變換的特征提取與選擇，最佳鑒別矢量的提取。教學難點教學難點：基于可分性判據進行變換的特征提取與選擇，最佳鑒別矢量的提取。教學要點及要求教學要點及要求：理解離

8、散KL變換及其在特征提取與選擇中的應用，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，基于可分性判據進行變換的特征提取與選擇，最佳鑒別矢量的提取。學時分配表學時分配表：學時分配序號教學內容理論實踐學時小計備注1第一章概論2022第二章統(tǒng)計模式識別——概率分類法6063第三章聚類分析4484第四章模糊模式識別4045第五章神經網絡識別理論及模型6066第六章特征提取與選擇6067合計28432實驗要求實驗要求：