04010290模式识别导论

《模式识别导论》课程教学大纲

一、课程基本信息

课程编号：04010290

课程中文名称：模式识别导论

课程英文名称：Introduction of Pattern Recognition

课程性质：专业任意选修课

考核方式：考查

开课专业：自动化、探测制导与控制技术

开课学期：7

总学时：24 （其中理论24学时，实验0学时）

总学分：1.5

二、课程目的和任务

通过本课程的学习，使学生了解当前模式识别理论的发展现状，初步掌握模式识别的基本方法，使学生对模式、模式识别等基本概念有明确地认识，具有实用统计模式识别完成模式分类的能力。

三、教学基本要求（含素质教育与创新能力培养的要求）

1、掌握模式、模式识别的含义；

2、掌握基于Bayes决策理论的模式分类方法；

3、掌握线性分类的基本方法；

4、掌握近邻法；

5、了解聚类分析的基本方法；

6、了解特征提取的基本方法。

四、教学内容与学时分配

第一章绪论（2学时）

模式和模式识别；模式识别的发展和应用；模式识别的研究方法。

第二章Bayes决策理论（4学时）

最小错误率的Bayes决策；最小风险的Bayes决策；Bayes分类器和判别函数；正态分布模式的Bayes分类器；均值向量和协方差矩阵的估计。

第三章线性判决函数（4学时）

线性判决函数和决策面；最小距离分类器；感知机准则函数；平方误差准则函数；多类模式的线性分类器。

第四章非线性判决函数（4学时）

分段线性判别函数；近邻法；K－近邻法；快速近邻法。

第五章聚类分析（4学时）

模式相似性测度和聚类准则；分级聚类法；C—均值算法。

第六章特征提取（6学时）

类别可分性准则；特征选择；基于距离的特征提取；基于K-L变换的特征提取。五、教学方法及手段（含现代化教学手段）

课堂讲授、专题讨论。

六、实验（或）上机内容

无

七、前续课程、后续课程

前续课程：概率论与数理统计、线性代数

后续课程：无

八、教材及主要参考资料

教材：

[1] 黄凤岗，宋克欧. 模式识别[M]. 哈尔滨：哈尔滨工程大学出版社，1998.

主要参考资料：

[1] 杨光正等. 模式识别[M].合肥：中国科技大学出版社，2000.

[2] 边肇祺，张学工. 模式识别[M].北京：清华大学出版社，2000.

撰写人签字：院（系）教学院长（主任）签字：