《《模式识别》教学大纲.docx》由会员分享，可在线阅读，更多相关《《模式识别》教学大纲.docx（6页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、模式识别课程教学大纲（三号黑体）一、课程基本信息（四号黑体）英文名称课程性质Pattern Recognition跨专业选修课程课程代码授课对象MEAU3070机械工程学分指定教材2模式识别 张学工 清华大学出版社学时45二、课程目标（四号黑体）（一）总体目标：（小四号黑体）模式识别为机械工程跨专业选修课程，课程旨在为学生提供一个理解模式识别学科全貌的入门介绍，使学生能够对人工智能模式识别在机械工程领域的应用与发展形成整体认识，了解学科的历史发展、研究领域和主要问题，为专业学习和后续课程的学习打下必要的基础。在专业态度上养成良好的技术意识，并在一定程度上明确今后专业学习的方向和良好的学习目标，
2、为个人专业的职业发展提供导向。（二）课程目标：（小四号黑体）通过本课程的学习，使学生掌握模式识别与机器学习领域中的基本概念和典型算法，如 贝叶斯机器学习、概率图模型、支持向量机、深度学习、聚类、强化学习等，掌握从事模式识别与机器学习研究的基本理念，提高学生综合运用所学知识解决问题的能力，特别是对数 据进行处理和分析的能力课程目标 1：通过对模式识别历史发展的学习，理解技术变革，形成智能化推进发展的重要意义与价值。课程目标 2：通过对模式识别技术帮助解决机械传统工程问题，掌握基础知识和基本理论，了解现状与未来发展趋势。课程目标 3：通过对技术支持学习的体验，通过小组合作、项目歇息等学习方式参与，
3、 理论联系时间，提升自主学习能力、合作意识、沟通能力。提升专业素养与思路。（要求参 照普通高等学校本科专业类教学质量国家标准，对应各类专业认证标准，注意对毕业要 求支撑程度强弱的描述，与“课程目标对毕业要求的支撑关系表一致）（五号宋体）课程目标课程子目标对应课程内容对应毕业要求（三）课程目标与毕业要求、课程内容的对应关系（小四号黑体） 表 1：课程目标与课程内容、毕业要求的对应关系表（五号宋体）课程目标 11第一章-第四章2-1-1课程目标 22第五章-第七章4-1-1课程目标 33实践5-1-1（大类基础课程、专业教学课程及开放选修课程按照本科教学手册中各专业拟定的毕业要求填写“对应毕业要求
4、”栏。通识教育课程含通识选修课程、新生研讨课程及公共基础课程，面向专业为工科、师范、医学等有专业认证标准的专业，按照专业认证通用标准填写“对 应毕业要求”栏；面向其他尚未有专业认证标准的专业，按照本科教学手册中各专业拟定的 毕业要求填写“对应毕业要求”栏。）三、教学内容（四号黑体）第一章 绪论与概述明确模式识别与机器学习的含义，感受它与人类智慧的联系；理解几类典型机器学习系统的计算流程；了解部分前沿研究方向，体会模式识别与机器学习领域的魅力。第二章贝叶斯学习基础掌握贝叶斯公式在机器学习中的应用思路；能够熟练运用贝叶斯决策方法；明确分类器相关的基本概念；掌握基于高斯分布的贝叶斯分类器；理解朴素贝
5、叶斯分类器；能够熟练运用各种参数估计方法。第三章 逻辑回归掌握线性回归及其模型求解方法；理解贝叶斯线性回归；掌握逻辑回归及其模型求解方法；理解贝叶斯逻辑回归。第四章概率图模型基础明确判别式和生成式概率图模型的区别；掌握有向图模型的模型表示、条件独立性刻画， 理解常见的有向图模型；掌握无向图模型的模型表示、条件独立性刻画，理解常见的无向图 模型；掌握对树状结构因子图进行推理的和积算法和最大和算法。第五章支持向量机理解大间隔原理；掌握基本的支持向量机分类模型；能够熟练运用拉格朗日对偶优化技术；掌握数据线性不可分情形下的分类模型，以及核方法的建模原理；理解支持向量机回归的原理；了解支持向量机的模型扩
6、展。第六章人工神经网络与深度学习掌握感知机模型和学习算法；掌握多层神经网络模型和误差反向传播训练算法；理解深度神经网络的典型挑战问题；能够熟练运用至少两种常见的深度神经网络。第七章聚类分析理解聚类的两大类方法；掌握K-均值聚类方法，理解模糊K-均值聚类的原理；掌握谱聚类方法；掌握高斯混合模型聚类方法，了解无限高斯混合模型。上机实践联系模式识别基础处理、分类器、完成模式识别分类作业。四、学时分配（四号黑体）表 2：各章节的具体内容和学时分配表（五号宋体）章节章节内容学时分配第一章绪论与概述4第二章贝叶斯学习4第三章逻辑回归6第四章概率图模型4第五章支持向量机4第六章人工神经网络与深度学习8第七章
7、聚类分析6上机实践模式识别大作业18五、教学进度（四号黑体）周次日期备注1绪论与概述绪论与概述42-3贝叶斯学习贝叶斯学习44-7逻辑回归逻辑回归68-10概率图模型概率图模型411-13支持向量支持向量420模式识别大作业模式识别大作业18表 3：教学进度表（五号宋体）章节名内容提授课时作业及要称要数求机人工神经机人工神经14-16网络与深度学习网络与深度学习817-19聚类分析聚类分析6六、教材及参考书目（四号黑体）1. 周志华 著. 机器学习, 北京: 清华大学出版社, 2016 年 1 月. (ISBN978-7-302-206853-6)2. 张学工， 模式识别，清华大学出版社， 第
8、三版。七、教学方法（四号黑体）1. 讲授法：通过讲授本课程的基本概念与基本原理，帮助学生了解并掌握模式识别基础理论与模式识别在机械工程的运用。2. 讨论法：围绕模式识别在新工科的应用、模式识别在机械工程的应用前景等主题组织学生进行讨论。3. 实践活动法：在实践上机环节理论结合实际。八、考核方式及评定方法（四号黑体）（一）课程考核与课程目标的对应关系（小四号黑体）表 4：课程考核与课程目标的对应关系表（五号宋体）课程目标考核要点考核方式课程目标 1掌握模式实际基础理论课堂、闭卷课程目标 2理解模式识别过程课堂、闭卷课程目标 3练习模式识别作业课堂、报告（二）评定方法（小四号黑体） 1评定方法（五
9、号宋体）（例：平时成绩：20%，实践作业：30%，期末考试 50%，按课程考核实际情况描述）（五号宋体）2课程目标的考核占比与达成度分析（五号宋体）表 5：课程目标的考核占比与达成度分析表（五号宋体）考核占比平时实践作业期末总评达成度课程目标（例：课程目标 1 达成度=0.3平时目标 1 成绩+0.2 期中 目标 1 成绩+0.5期末目标 1 成绩/目标 1 总分。按课程考核实际情况描述）课程目标课程目标 1观为引导，以职业理想为重点，结合自身具体专业培养目标，熟练掌握模式识别基础理论引导，以职业理想 观为引导，以职业 为引导，以职业为重点，结合自身 理想为重点，结合 理想为重点，结具体专业培
10、养目 自身具体专业 培 合自身具体专业标，较好地掌握模 养目标，良好掌握 培养目标，基本式识别基础理论 模式识别基础 理 掌握模式识别基论础理论为引导，以职业理想为重点，结合自身具体专业培养目标，不能掌握模式识别基础理论课程目标 2能够高质量地综合运用学科知识和理论知识理解模式识别过程能够较好地综合运用学科知识和理论知识理解模式识别过程能够良好综合 运 基本能够综合运用学科知识和 理 用学科知识和理论知识理解模 式 论知识理解模式识别过程 识别过程不能完成综合运用学科知识和理论知识理解模式识别过程课程目标 3能够很好地完成模式识别实践作业能够较好地完成模式识别实践作业能够良好完成 模 基本能够完成模式识别实践作业式识别实践作业不能完成模式识别实践作业（五号宋体）课程目标 130%30%40%课程目标 230%30%40%课程目标 330%30%40%（五号宋体）（三）评分标准（小四号黑体）评分标准90-10080-8970-7960-6960优良中合格不合格ABCDF能够全面深入地以能够较好地以社会能够良好地以社基本能够以社会不能完成以社会社会主义核心价值主义核心价值观为会主义核心价值主义核心价值观主义核心价值观