模式識別大綱

1、模式識別教學(xué)大綱適用專業(yè)計算機本科專業(yè)總學(xué)時32理論學(xué)時32學(xué)分2實踐學(xué)時課程類型專業(yè)任選課考核方式考查先修課程概率論與數(shù)理統(tǒng)計、課程的教學(xué)口標(biāo)和任務(wù)本課程是一門模式識別與智能計算方向的導(dǎo)論基礎(chǔ)課，適合計算機各專業(yè)對 該學(xué)科有興趣的學(xué)生選修。本課程的目的是通過學(xué)習(xí)使學(xué)生了解模式識別技術(shù)的基本概念、基本理論、基本算法和應(yīng)用方式，理解模式識別的主要研究內(nèi)容、研究方向和研究方法，掌握統(tǒng)訃模式識別和結(jié)構(gòu)模式識別的基礎(chǔ)算法。本課程的任務(wù)是通過教師對課程的講授，使學(xué)生了解模式識別學(xué)科的基本概念、基本理論和研究思路，掌握模式識別的分類決策理論和基本算法， 掌握模式識 別分析的基本 理論和基本算法，培養(yǎng)學(xué)生利

2、用所學(xué)知識解決模式識別方面的實際問 題的基本能力，為后 續(xù)模式識別與智能系統(tǒng)專業(yè)的學(xué)習(xí)和深入研究奠定基礎(chǔ)。二、教學(xué)內(nèi)容及學(xué)時分配總學(xué)時：32學(xué)時第一章緒論（5學(xué)時）1、課程內(nèi)容一、模式識別中的概念二、模式識別系統(tǒng)構(gòu)成三、特征選擇方法概要的基本興趣。模式識法中的提取2、重點、難點教學(xué)重點：本課程是汁算機信息處理領(lǐng)域的基礎(chǔ)理論課程，明確模式識別功能與基本概念教學(xué)難點：快速將學(xué)生引入模式識別領(lǐng)域，提升學(xué)生對計算機理論研究的3、基本要求靈活應(yīng)用緊致性處理模式之間是否可分的問題；通過掌握判別閾值法，明確 別的基本處理方法，模式識別是如何分析解決現(xiàn)實問題的；掌握特征生成方 和選擇，對于給定實物特征能領(lǐng)會提

3、取實物的有用信息。第二章 分類器設(shè)計（ 10 學(xué)時）1、課程內(nèi)容第一節(jié)基于概率統(tǒng)計 ?的貝葉斯分類器設(shè)計一、貝葉斯決策的基本概念二、基于最小錯誤率的的貝葉斯決策三、基于最小風(fēng)險的貝葉斯分類實現(xiàn) 第二節(jié)判別函數(shù)分類器設(shè)計、 判別函數(shù)的基本概念二、 LMSE 分類算法三、fisher 分類算法第三節(jié)神經(jīng)網(wǎng)絡(luò)分類器設(shè)計一、人工神經(jīng)網(wǎng)絡(luò)的基本原理二、BP 神經(jīng)網(wǎng)絡(luò)第四節(jié)決策樹分類器一、決策樹的基本概念二、決策樹分類器設(shè)計第五節(jié)粗糙集分類器一、粗糙集理論的基本概念二、粗糙集在模式識別中的應(yīng)用三、 粗糙集分類器設(shè)計2、重點、難點教學(xué)重點：如何保證分類器設(shè)計完成后，能正常分類，如何查找錯分情況，如何分析錯分

4、可能性；教學(xué)難點：闡明分類器設(shè)汁中的數(shù)學(xué)理論，增強其對分類器的理論支撐。3、基本要求了解不同分類器的基本概念；理解不同分類器的基本理論推導(dǎo)以及相關(guān)概念；掌握分類器的設(shè)計過程。第三章 聚類分析（ 10 學(xué)時）1、課程內(nèi)容第一節(jié)聚類的設(shè)計第二節(jié)基于試探的未知類別聚類算法一、最鄰近規(guī)則試探法二、最 大最小距離算法第三節(jié)層次聚類算法一、最 短距離法二、最 長距離法三、中 間距離法四、重 心法五、類平均距離法 第四節(jié)動態(tài)聚類算法K 均值算法二、 迭代自組織的數(shù)據(jù)分析算法 (ISODATA)第五節(jié)模擬退火聚類算法一、 模擬退火的基本概念二、 基于模擬退火思想的改進(jìn) K 均值聚類算法第六節(jié)模糊聚類分析一、

5、模糊集概念與運算二、 模糊關(guān)系三、基于模糊的聚類分析2、重點、難點教學(xué)重點：聚類方法為什么是模式識別中，自動化較高，人為干預(yù)較少，U前應(yīng)用很廣發(fā)的分類識別方法。教學(xué)難點：對于聚類識別中的算法，理論推導(dǎo)是算法的基礎(chǔ)，附加MATLAB實驗，增強學(xué)生處理能力，加深對算法的認(rèn)識。3、基本要求了解聚類識別的基本概念；理解聚類算法的基本理論推導(dǎo)以及相關(guān)概念；掌握聚類算法處理問題的特點，以及如何構(gòu)建聚類分析。1、課程內(nèi)容第一節(jié)遺傳算法聚類分析 一、 遺傳算法的基本概念二、 遺傳算法的構(gòu)成要素三、控制參數(shù)的選擇四、基于遺傳算法的聚類分析第二節(jié)蟻群算法聚類分析一、 蟻群算法的基本概念二、 聚類數(shù) LI 已知的蟻

6、群聚類算法三、聚類數(shù) H 未知的蟻群聚類算法第三節(jié)粒子群算法聚類分析一、 粒子群算法的基本概念二、 基于粒子群算法的聚類分析2、重點、難點教學(xué)重點：在上一章基礎(chǔ)上介紹更為復(fù)雜的聚類算法，加深學(xué)生對算法的識。教學(xué)難點：加強學(xué)生 matlab實驗的應(yīng)用能力，為最終的論文考查做準(zhǔn)備。3、基本要求了解復(fù)雜聚類算法的基本概念；理解復(fù)雜聚類算法的基本理論推導(dǎo)以及相關(guān)念；掌握聚類算法處理問題的特點，以及如何構(gòu)建聚類分析。三、課程教學(xué)的基本要求1、課堂講授運用理論分析法、理論聯(lián)系實驗、討論等教學(xué)方法，深入淺出的進(jìn)行教學(xué)。2、考核與成績評定考核：模式識別論文寫作，雷同論文取消成績，對于思想新穎論文給予高分定。成

7、績評定：論文占 70%,課后作業(yè)、課堂作業(yè)占 20%,出勤 10%。3、論文評分標(biāo)準(zhǔn)字?jǐn)?shù)要求： 1500 字以上。評分標(biāo)準(zhǔn)： 100 分主要分為：論文結(jié)構(gòu) 50分；語言組織 20 分；創(chuàng)新 10 分；價值 20分。具體評分標(biāo)準(zhǔn)如下：（1）論文結(jié)構(gòu)： 50 分論文層次分明，內(nèi)容組織有序： 40? 50 分；論文層次一般，內(nèi)容組織一般： 30? 39 分;論文層次不合理，內(nèi)容組織不合理：30分以下。語言組織：20分語言簡練,通順。1620分；語言一般,基本通順。1215分；語言不通順，有錯字。11分以下。 TOC o 1-5 h z 創(chuàng)新：10分論文具有前瞻性，有較多的創(chuàng)新見解：810分；論文具有前瞻性，有少數(shù)的創(chuàng)新見解：47分；論文沒有前瞻性，無創(chuàng)新：0、3分。價值：20分論文有較高的理論或使用價值，能夠解決實際問題或體現(xiàn)所學(xué)理論知識；16?20分；論文使用價值或理論價值一般，有一定的參考價值；曠 15分；論文沒有價值：07分。四、學(xué)時分配的建議章(或