模式识别课程教学大纲

模式识别课程教学大纲课程英文名称Pattern Recognition课程编号学分学时0500670348

一、课程教学对象数学与计算科学学院信息与计算科学专业、应用数学专业本科学生

二、课程性质及教学目的课程性质专业选修课教学目的通过本课程的学习，让学生掌握用计算机识别事物的基本原理、方法，掌握模式识别中最基本的概念，了解计算机分类识别事物（监督学习）和计算机分析数据（非监督学习）的概念及基本方法，了解人工神经元网络的工作原理及其在模式识别中的应用，为将来继续深入学习或进行科学研究打下坚实的基础同时，通过实验使学生掌握应用模式识别基本原理和基本方法解决实际问题的基本技巧，培养学生应用理论知识解决实际问题的能力

三、对先修知识的要求学生在学习本课之前，应先修数学分析、高等代数、概率论与数理统计、数字图像处理等相关课程

四、课程的主要内容、基本要求和学时分配建议（总学时数）32知识模块知识点要求学时学习方式课外学习要求模式识别和模式的概念课堂讲授

1.1C

1、绪论1L2模式识别研究的主要内容C1课堂讲授

2.1主元分析分析（PCA）B2课堂讲授

2、线性变换与

2.2线性判别分析（LDA）课堂讲授B2特征提取

2.3DFT变换，DCT变换C2课堂讲授

2.4核PCA方法，核LDA B2课堂讲授

2.5小波变换C2课堂讲授贝叶斯决策理论课堂讲授

3.1B

23.2正态条件下的贝叶斯分类器B2课堂讲授、贝叶斯决策3最小错误概率准则、最小风险准则课堂讲授

3.3B1理论贝叶斯估计法和窗函数法课堂讲授

3.4Parzen C1欧氏距离分类器

4.1B1课堂讲授线性判别函数课堂讲授、线性分类

4.2B14广义线性判别函数课堂讲授

4.3C1器线性分类器课堂讲授

4.4SVM C2神经网络分类器课堂讲授

5.1C

2、非线性分类5分类器和非线性分类器课堂讲授

5.2Parzen SVMC2器

5.3KNR分类器KND分类器B2课堂讲授邻近测度和相似性测度课堂讲授

6.1A

2、聚类分析

66.2序惯聚类1课堂讲授B注知识点中粗体字部分为本课程的重点或难点（按照本课程知识体系列出知识模块及知识点，其中重点或难点用粗体字标注；要求按“了解（）”、“熟C悉（）”、“熟练掌握（）”三个层次描述学生对知识点应达到的要求；学习方式可分为课堂讲授、自学辅B A导、课堂讨论或分组讨论等；课外学习要求可按照知识模块或知识点提出撰写专题论文、调研报告、完成综合性作业或设计等要求，一般性的课外作业不在此列）

五、建议使用教材及参考书教材边肇祺，张学工等.模式识别（第二版），北京清华大学出版社，2000年参考书沈清，汤霖编.模式识别导论，长沙国防科技大学出版社，1991年

六、课程考核方式考核成绩分为两部分一部分是根据每次上机完成情况来评定一部分成绩,占总成绩的50%；另一部分是课程考核报告或论文成绩，占总成绩的50%

七、课内实验（实训）环节及要求（总学时数）16序号实验（实训）项目实验（实训）内容实验（实训）目的及要求学时基于和DFT DCT对给定人脸图像数据进行降采样预处理，对熟悉基于DFT和DCT的特的人脸图像特征提12预处理结果提取谱特征（DFT和DCT）征提取算法实现取基于的人脸熟悉基于的特征压PCA PCA对实验中提取的谱特征，采用算法1PCA22图像特征压缩缩算法实现实现特征压缩熟悉基于的特征压缩LDA基于的人脸LDA对实验1中提取的谱特征，采用LDA算法算法实现，体会与基于PCA32图像特征压缩实现特征压缩的特征压缩算法的效率、效果差异熟悉欧氏距离分类器的实对实验和实验所提取特征，采用欧氏距234欧氏距离分类器2现方法离分类器进行分类实验正态条件下的对实验2和实验3所提取特征，采用正态条熟悉正态条件下Bayes分类52分类器Bayes件下的Bayes分类器进行分类实验器的实现方法线性判别函数分类对实验和实验所提取特征，采用线性判熟悉线性判别函数分类法2362法别函数分类法进行分类实验的实现方法掌握分类器的实RBF-NN对实验和实验所提取特征,采用23RBF-NN7RBF-NN分类器2现方法分类器进行分类实验非线性分类SVM对实验2和实验3所提取特征，采用非线性掌握非线性SVM分类器的82器SVM分类器进行分类实验实现方法。