《模式識別基礎(chǔ)》課程教學(xué)大綱

《模式識別基礎(chǔ)》教學(xué)大綱一、課程基本信息課程名稱模式識別基礎(chǔ)FundamentalofPatternRecognition課程編碼CTL110921020開課院部控制科學(xué)與工程學(xué)院課程團隊模式識別與人工智能學(xué)分2.0課內(nèi)學(xué)時32講授32實驗0上機0實踐0課外學(xué)時32適用專業(yè)自動化授課語言雙語先修課程線性代數(shù)、高等數(shù)學(xué)（2-1）、高等數(shù)學(xué)（2-2）、概率論與數(shù)理統(tǒng)計、信號與系統(tǒng)課程簡介（限選）本課程是自動化專業(yè)的限選課。本課程重點介紹模式識別概述、模式識別系統(tǒng)的基本框架、貝葉斯決策理論、線性判別函數(shù)、特征提取、聚類等基礎(chǔ)知識及模式識別系統(tǒng)評價方法，簡單介紹神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的模型和方法。通過學(xué)習(xí)使學(xué)生了解模式識別在自動化工程領(lǐng)域中的地位和作用及解決模式分類問題的正確方法。通過本課程的學(xué)習(xí)，進一步拓寬本科生的自動化知識，使本科生掌握模式識別的基本知識，能設(shè)計實現(xiàn)簡單的識別系統(tǒng)，具備系統(tǒng)模型選擇、設(shè)計實現(xiàn)和結(jié)果的能力，同時為學(xué)生進入高層次學(xué)習(xí)打下良好的理論基礎(chǔ)。ThiscourseisthedistributionalelectivecourseofAutomation.Thiscoursefocusesontheoverviewofpatternrecognition,thebasicframeworkofpatternrecognition;Bayesdecisiontheory,lineardiscriminantfunctions,featureextraction,cluster,andevaluationofpatternrecognitionsystems.ThemodelandthetrainingmethodsNeuralNetworkandDeepLearningareintroduced.Bylearningtoenablestudentstounderstandthestatusandroleofpatternrecognitioninautomationareaandthecorrectwaytosolvetheproblemofpatternclassification.Throughthiscourse,tofurtherexpandtheautomationknowledgeofundergraduatestudents,theundergraduatebasicknowledgeofpatternrecognition,abletodesignandimplementasimplerecognitionsystem,withtheabilityofsystemmodelselection,designimplementationandresults.Atthesametimelayasolidtheoreticalfoundationforstudentstoenterthehighlevel.負(fù)責(zé)人大綱執(zhí)筆人審核人二、課程目標(biāo)序號代號課程目標(biāo)OBE畢業(yè)要求指標(biāo)點任務(wù)自選1M1目標(biāo)1：根據(jù)所學(xué)模式識別知識能夠具備系統(tǒng)輸入的特征選擇、識別模型選擇、模型判別準(zhǔn)則選擇、系統(tǒng)的訓(xùn)練和識別結(jié)果分析、進行系統(tǒng)評估等的能力。是1.31.32M2目標(biāo)2：了解模式識別的國內(nèi)外發(fā)展趨勢和研究熱點，能就模式識別領(lǐng)域相關(guān)問題進行綜述和分析，能夠具備選擇適合研究問題的參考方案的能力。是4.14.13M3目標(biāo)3：根據(jù)所學(xué)模式識別的基本算法，能夠具備根據(jù)調(diào)研的結(jié)果，選擇建立適合問題的系統(tǒng)模型的能力，并能夠進行多種模型的簡化或轉(zhuǎn)換，了解各模型的特點和適用場合。是4.24.24M4目標(biāo)4：根據(jù)所學(xué)模式識別的基本原理和編程方法，能夠具備編程或調(diào)試程序?qū)崿F(xiàn)對應(yīng)的模式識別系統(tǒng)，分析系統(tǒng)或算法的性能的能力。是4.34.35M5目標(biāo)5：分組完成大作業(yè)，培養(yǎng)學(xué)生的團隊協(xié)作意識，每個團隊成員完成項目中的具體工作，如文件檢索、編寫源代碼、調(diào)試程序、撰寫報告、制作PPT答辯等。是9.19.1三、課程內(nèi)容序號章節(jié)號標(biāo)題課程內(nèi)容/重難點支撐課程目標(biāo)課內(nèi)學(xué)時教學(xué)方式課外學(xué)時課外環(huán)節(jié)1第1章第1章緒論本章重點難點：模式識別和模式的概念，學(xué)習(xí)模式識別的基本知識，了解模式識別的流程和框架。/////21.11.1模式識別概念及發(fā)展模式、模式識別等基本知識。M1,M2,M31講授/討論1自學(xué)31.21.2模式識別系統(tǒng)框架模式識別系統(tǒng)的基本組成和流程，建立課程的知識體系架構(gòu)。M1,M2,M31講授/討論1自學(xué)4第2章第2章貝葉斯分類本章重點難點：學(xué)習(xí)貝葉斯決策理論的知識，掌握基于貝葉斯決策的識別系統(tǒng)設(shè)計方法。/////52.12.1貝葉斯決策理論貝葉斯規(guī)則，貝葉斯分類準(zhǔn)則，分類誤差，最小風(fēng)險決策等的簡介。M1,M2,M31講授/討論1項目62.22.2判別函數(shù)及決策平面后驗概率，最小風(fēng)險，決策函數(shù)，決策面的概念M1,M2,M32講授/討論2自學(xué)/項目72.32.3正態(tài)分布的貝葉斯分類高斯概率密度函數(shù)，基于正態(tài)分布的貝葉斯決策方法，介紹簡單案例。M1,M2,M32講授/討論2自學(xué)/項目82.42.4樣本分布概率密度估計最大似然估計，最大后驗概率估計，貝葉斯推理，最大熵估計，混合模型，非參數(shù)估計的知識。M1,M2,M31講授/討論1自學(xué)/項目9第3章第3章線性分類器本章重點難點：線性判別函數(shù)的基本概念、感知準(zhǔn)則函數(shù)，掌握線性分類器的設(shè)計方法。/////103.13.1線性判別函數(shù)對于二分類問題的線性判別函數(shù)和判別準(zhǔn)則。M1,M2,M3,M4,M52講授/討論2自學(xué)/項目113.23.2感知準(zhǔn)則函數(shù)感知器的結(jié)構(gòu)、梯度下降優(yōu)化方法，感知器算法收斂性的證明。M1,M2,M3,M4,M52講授/討論2自學(xué)/項目123.33.3最小平方誤差準(zhǔn)則最小平方誤差準(zhǔn)則的基本原理和幾何解釋，多類綜合。M1,M2,M3,M4,M51講授/討論1自學(xué)/項目133.43.4均方差估計準(zhǔn)則均方誤差準(zhǔn)則的基本原理。M1,M2,M3,M4,M51講授/討論1自學(xué)/項目143.53.5支持向量機支撐向量和最大化邊界準(zhǔn)則。M1,M2,M3,M4,M52講授/討論2自學(xué)/項目15第4章第4章特征的選擇與提取本章重點難點：掌握特征提取、特征選擇的常用方法，在實際應(yīng)用中的應(yīng)用。/////164.14.1數(shù)據(jù)預(yù)處理方法特征向量，特征提取，剔除離群點，數(shù)據(jù)歸一化，補充丟失數(shù)據(jù)等。M1,M2,M3,M4,M51講授/討論1自學(xué)/項目174.24.2類別可分離性判據(jù)ROC曲線，發(fā)散度，散度矩陣等相關(guān)的判別方法。M1,M2,M3,M4,M51講授/討論1自學(xué)/項目184.34.3特征子集選擇標(biāo)量特征選擇，次優(yōu)搜索技術(shù)進行特征子集選擇方法。M1,M2,M3,M4,M51講授/討論1自學(xué)/項目194.44.4最優(yōu)特征生成主成分分析和線性判別分析方法原理與應(yīng)用。M1,M2,M3,M4,M52講授/討論2自學(xué)/項目20第5章第5章系統(tǒng)評估本章重點難點：掌握誤差計算的方法和對系統(tǒng)評估的常用參數(shù)及意義。/////215.15.1誤差計算方法有限樣本集合的錯誤樣本統(tǒng)計方法，正確識別的概率估計。M1,M2,M31講授/討論1自學(xué)225.25.2有限數(shù)據(jù)集挖掘恢復(fù)方法，保留方法，保留一個方法，與正樣本模式選擇交叉驗證，混淆矩陣，召回率和準(zhǔn)確率等。M1,M2,M31講授/討論1自學(xué)23第6章第6章聚類：基本概念本章重點難點：近鄰準(zhǔn)則/////246.16.1近鄰準(zhǔn)則無監(jiān)督學(xué)習(xí)的概念，不同的距離概念，判別準(zhǔn)則。M1,M2,M31講授/討論1自學(xué)256.26.2k均值聚類算法k均值聚類算法基本原理。M1,M2,M31講授/討論1自學(xué)266.36.3均值漂移算法均值漂移算法的基本原理。M1,M2,M31講授/討論1自學(xué)276.46.4高斯混合模型高斯混合模型的基本原理。M1,M2,M31講授/討論1自學(xué)28第7章第7章深度學(xué)習(xí)本章重點難點：卷積神經(jīng)網(wǎng)絡(luò)/////297.17.1BP神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)的基本概念、BP神經(jīng)網(wǎng)絡(luò)的基本原理。M1,M2,M3,M4,M51講授/討論1自學(xué)/項目307.27.2卷積神經(jīng)網(wǎng)絡(luò)卷積神經(jīng)網(wǎng)絡(luò)的基本概念與原理。M1,M2,M3,M4,M51講授/討論1自學(xué)/項目317.37.3生成對抗網(wǎng)絡(luò)生成對抗網(wǎng)絡(luò)的基本概念與原理。M1,M2,M3,M4,M51講授/討論1自學(xué)/項目327.47.4圖卷積神經(jīng)網(wǎng)絡(luò)圖卷積神經(jīng)網(wǎng)絡(luò)的基本概念與原理。M1,M2,M3,M4,M51講授/討論1自學(xué)/項目337.57.5元學(xué)習(xí)元學(xué)習(xí)基本概念、小樣本學(xué)習(xí)。M1,M2,M3,M4,M51講授/討論1自學(xué)/項目四、考核方式序號考核環(huán)節(jié)操作細(xì)節(jié)總評占比1線上學(xué)習(xí)和作業(yè)1、要求每章觀看線上學(xué)習(xí)視頻并進行討論，統(tǒng)計觀看線上資源學(xué)習(xí)情況評分。2、布置關(guān)于特征提取方法總結(jié)、貝葉斯分類器和線性分類器的總結(jié)等作業(yè)，根據(jù)完成情況評分。30%2綜合系統(tǒng)設(shè)計項目本課程要求設(shè)計完成一個模式識別的應(yīng)用系統(tǒng)，實現(xiàn)數(shù)字識別或人臉識別，也可選擇其他應(yīng)用，可分組合作完成。該項目綜合考查學(xué)生對基本概念和基本識別模型的理解和應(yīng)用，也綜合訓(xùn)練學(xué)生的等方面的能力。最后根據(jù)完成系統(tǒng)的功能和難度等情況、答辯匯報、提交的程序代碼和項目報告等進行評分。70%五、評分細(xì)則序號課程目標(biāo)考核環(huán)節(jié)大致占比評分等級1M1線上學(xué)習(xí)和作業(yè)80%A-完成線上學(xué)習(xí)并積極參與討論，較好地完成課后作業(yè)，作業(yè)思路清晰，分析正確并有知識點拓展。B-完成線上學(xué)習(xí)，參與討論，較好地完成課后作業(yè)，作業(yè)思路清晰，分析正確。C-完成線上學(xué)習(xí)和課后作業(yè)，作業(yè)思路清晰，分析基本正確。D-未參與線上學(xué)習(xí)，作業(yè)抄襲，思路混亂，未能完成。2M1綜合系統(tǒng)設(shè)計項目20%A-項目答辯匯報中算法原理闡述準(zhǔn)確清楚，語言和流程描述規(guī)范，結(jié)果分析正確；項目報告格式規(guī)范，文獻綜述部分內(nèi)容完整，總結(jié)分析合理，有自己的設(shè)計思想和部分改進；源程序代碼完整優(yōu)化，界面友好，運行結(jié)果正確。B-項目答辯匯報中算法原理闡述準(zhǔn)確清楚，語言和流程描述規(guī)范，結(jié)果分析正確；項目報告格式規(guī)范，內(nèi)容完整，總結(jié)分析合理，有自己的設(shè)計思想；源程序代碼完整，運行結(jié)果正確。C-項目答辯匯報中算法原理闡述基本準(zhǔn)確清楚，語言和流程描述規(guī)范，結(jié)果分析基本正確；項目報告格式規(guī)范，文獻綜述部分內(nèi)容完整，原理正確流程清楚，總結(jié)分析基本合理；源程序代碼基本完整，運行結(jié)果基本正確。D-項目答辯匯報中算法原理闡述不清楚，語言和流程描述不規(guī)范，結(jié)果分析不正確；項目報告格式不規(guī)范或文獻綜述部分內(nèi)容欠缺，實施方法內(nèi)容不完整，總結(jié)分析合理；源程序代碼不完整或運行結(jié)果不正確。3M2線上學(xué)習(xí)和作業(yè)20%A-完成線上學(xué)習(xí)并積極參與討論，較好地完成課后作業(yè)，作業(yè)思路清晰，分析正確并有知識點拓展。B-完成線上學(xué)習(xí)，參與討論，較好地完成課后作業(yè)，作業(yè)思路清晰，分析正確。C-完成線上學(xué)習(xí)和課后作業(yè)，作業(yè)思路清晰，分析基本正確。D-未參與線上學(xué)習(xí)，作業(yè)抄襲，思路混亂，未能完成。4M2綜合系統(tǒng)設(shè)計項目80%A-項目答辯匯報中算法原理闡述準(zhǔn)確清楚，語言和流程描述規(guī)范，結(jié)果分析正確；項目報告格式規(guī)范，文獻綜述部分內(nèi)容完整，總結(jié)分析合理，有自己的設(shè)計思想和部分改進；源程序代碼完整優(yōu)化，界面友好，運行結(jié)果正確。B-項目答辯匯報中算法原理闡述準(zhǔn)確清楚，語言和流程描述規(guī)范，結(jié)果分析正確；項目報告格式規(guī)范，內(nèi)容完整，總結(jié)分析合理，有自己的設(shè)計思想；源程序代碼完整，運行結(jié)果正確。C-項目答辯匯報中算法原理闡述基本準(zhǔn)確清楚，語言和流程描述規(guī)范，結(jié)果分析基本正確；項目報告格式規(guī)范，文獻綜述部分內(nèi)容完整，原理正確流程清楚，總結(jié)分析基本合理；源程序代碼基本完整，運行結(jié)果基本正確。D-項目答辯匯報中算法原理闡述不清楚，語言和流程描述不規(guī)范，結(jié)果分析不正確；項目報告格式不規(guī)范或文獻綜述部分內(nèi)容欠缺，實施方法內(nèi)容不完整，總結(jié)分析合理；源程序代碼不完整或運行結(jié)果不正確。5M3綜合系統(tǒng)設(shè)計項目100%A-項目答辯匯報中算法原理闡述準(zhǔn)確清楚，語言和流程描述規(guī)范，結(jié)果分析正確；項目報告格式規(guī)范，文獻綜述部分內(nèi)容完整，總結(jié)分析合理，有自己的設(shè)計思想和部分改進；源程序代碼完整優(yōu)化，界面友好，運行結(jié)果正確。B-項目答辯匯報中算法原理闡述準(zhǔn)確清楚，語言和流程描述規(guī)范，結(jié)果分析正確；項目報告格式規(guī)范，內(nèi)容完整，總結(jié)分析合理，有自己的設(shè)計思想；源程序代碼完整，運行結(jié)果正確。C-項目答辯匯報中算法原理闡述基本準(zhǔn)確清楚，語言和流程描述規(guī)范，結(jié)果分析基本正確；項目報告格式規(guī)范，文獻綜述部分內(nèi)容完整，原理正確流程清楚，總結(jié)分析基本合理；源程序代碼基本完整，運行結(jié)果基本正確。D-項目答辯匯報中算法原理闡述不清楚，語言和流程描述不規(guī)范，結(jié)果分析不正確；項目報告格式不規(guī)范或文獻綜述部分內(nèi)容欠缺，實施方法內(nèi)容不完整，總結(jié)分析合理；源程序代碼不完整或運行結(jié)果不正確。6M4綜合系統(tǒng)設(shè)計項目100%A-項目答辯匯報中算法原理闡述準(zhǔn)確清楚，語言和流程描述規(guī)范，結(jié)果分析正確；項目報告格式規(guī)范，文獻綜述部分內(nèi)容完整，總結(jié)分析合理，有自己的設(shè)計思想和部分改進；源程序代碼完整優(yōu)化，界面友好，運行結(jié)果正確。B-項目答辯匯報中算法原理闡述準(zhǔn)確清楚，語言和流程描述規(guī)范，結(jié)果分析正確；項目報告格式規(guī)范，內(nèi)容完整，總結(jié)分析合理，有自己的設(shè)計思想；源程序代碼完整，運行結(jié)果正確。C-項目答辯匯報中算法原理闡述基本準(zhǔn)確清楚，語言和流程描述規(guī)范，結(jié)果分析基本正確；項目報告格式規(guī)范，文獻綜述部分內(nèi)容完整，原理正確流程清楚，總結(jié)分析基本合理；源程序代碼基本完整，運行結(jié)果基本正確。D-項目答辯匯報中算法原理闡述不清楚，語言和流程描述不規(guī)范，結(jié)果分析不正確；項目報告格式不規(guī)范或文獻綜述部分內(nèi)容欠缺，實施方法內(nèi)容不完整，總結(jié)分析合理；源程序代碼不完整或運行結(jié)果不正確。7M5綜合系統(tǒng)設(shè)計項目100%A-項目答辯匯報中算法原理闡述準(zhǔn)確清楚，語言和