hi,小慕
课程

中国大学MOOC,为你提供一流的大学教育

hi,小mooc
认证学习
模式识别
第7次开课
开课时间: 2024年09月30日 ~ 2025年01月05日
学时安排: 3-5小时每周
当前开课已结束 已有 381 人参加
认证学习
认证成绩和证书
智能问答和解析
视频学习辅助
老师已关闭该学期,无法查看
课程详情
课程评价(142)
spContent=模式识别是上世纪六十年代初迅速发展起来的一门学科。其研究的成果在很多学科和技术领域中得到了广泛的应用,推动了人工智能技术,图像处理,信号处理,计算机视觉,多媒体技术等多种学科的融合与发展,扩大了计算机应用的领域。
模式识别是上世纪六十年代初迅速发展起来的一门学科。其研究的成果在很多学科和技术领域中得到了广泛的应用,推动了人工智能技术,图像处理,信号处理,计算机视觉,多媒体技术等多种学科的融合与发展,扩大了计算机应用的领域。
—— 课程团队
课程概述

 模式识别是智能信息处理的核心内容之一,广泛应用于人工智能、机器人、系统控制、生物医学工程、军事目标识别等领域,对国民经济、国防建设和社会发展等发展产生了深远的影响。模式识别课程已成为信息与通信工程、自动控制工程、计算机工程等专业的重要课程。

模式识别指对表征事物或现象的各种形式的(数值的、文字的和逻辑关系的)信息进行处理和分析以对事物或现象进行描述、辨认、分类和解释的过程,是信息科学的重要组成部分。本课程从模式识别的基本概念入手,在特征选取的基础上,主要介绍统计模式识别,聚类分析,糊模式识别的基础理论和基本方法。课程主要涉及以线性分类器为核心的确定性统计分类,以及以贝叶斯分类器为核心的随机统计分类。通过本课程的学习,可掌握模式识别的基本理论和方法,为模式识别的工程应用奠定基础。


授课目标

 学习本门课程的目的是让学生通过系统的理论学习与相关实践,掌握模式识别理论与技术的基础知识、基本概念、基本原理、分析方法和典型应用,了解模式识别理论与技术的发展趋势,为深入学习专业知识和从事科研实践活动打下坚实的基础。

课程大纲
初识模式识别
1.1 模式识别的基本概念
1.2 应用模式识别具体解决实际问题
1.3 模式识别的一般过程
聚类分析
2.1 相似性测度
2.2 基于距离阈值的聚类算法
2.3 层次聚类法
2.4 动态聚类算法
2.5 知识要点与实验参考
线性判别函数
3.1 线性判别函数
3.2 广义线性判别函数
3.3 线性判别函数的几何性质
3.4 感知器算法
3.5 梯度法
3.6 均方误差最小算法
3.7 支持向量机
3.8 知识要点与实验参考
贝叶斯决策理论
4.1 最小错误贝叶斯决策
4.2 最小风险贝叶斯决策
4.3 最大似然估计
4.4 知识要点与实验参考
特征提取与选择
5.1 基本概念
5.2 类别可分性测度
5.3 基于类内散布矩阵的特征提取
5.4 K-L变换的特征提取
5.5 特征选择的常用方法比较
5.6 知识要点与实验参考
模糊模式识别
6.1 模糊分类直接方法
6.2 模糊分类间接方法
6.3 模糊聚类方法
6.4 模糊K均值算法
6.5 模糊模式识别与传统模式识别比较
6.6 知识要点与实验参考
人工神经网络
7.1 人工神经网络的发展
7.2 人工神经网络的基本概念
7.3 BP神经网络
7.4 卷积网络
7.5 循环神经网络
7.6 长短期记忆网络
7.7 深度学习的发展与工程应用
7.8 知识要点与实验参考
展开全部
预备知识

 具有一定的数学基础,掌握了线性代数以及概率论与数理统计两门课程涉及到的知识。

参考资料

  

[1]杨杰 郭志强《模式识别及MATLAB实现》,电子工业出版社,2017年。

[2]郭志强 杨杰《模式识别及MATLAB实现--学习与实验指导》, 电子工业出版社,2017年。

[3]Christopher M. Bishop《Pattern Recognition and Machine Learning》springer, 2006年。

[4]西奥多里德斯《模式识别》(英文版 第4版),机械工业出版社,2009年。

[5]Richard O.Duda,PeterE.Hart,DavidG.Stork《模式识别》 (第2版), Wiley出版社,2001年。

[6]张学工《模式识别》(第3版),清华大学出版社,2010年。

[7]孙即祥《现代模式识别》,国防科技大学出版社,2001年。


武汉理工大学
1 位授课老师
郭志强

郭志强

教授

推荐课程

下载
下载

下载App