《《模式识别导论》课程教学大纲（本科）.docx》由会员分享，可在线阅读，更多相关《《模式识别导论》课程教学大纲（本科）.docx（12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、模式识别导论(Introduction to Pattern Recognition)课程代码：05410168学分：2学时：32（其中：课题教学学时：28实验学时：4上机学时：0课程实践学时:0） 先修课程：数字信号处理、电路、单片机原理、智能仪表。适用专业：自动化教材：模式识别，杨光正、吴岷编著，中国科学技术大学出版社，2001年7月第 1版.一、课程性质与课程目标（一）课程性质（需说明课程对人才培养方面的贡献）模式识别导论是一门自动化类、电信类专业在人工智能方面具有入门性质的专业课；也是 计算机信息处理、地球物理、生物医学工程等专业的选修课程。它具有完整的理论体系，是一门理 论性、实用性
2、很强的新兴课程，在自动化专业课程体系中占有重要地位；对大学的人才培养具有重 要作用；能训练学生良好的科学方法，培养学生分析问题和解决工程实际问题的能力；能提高学生 的科研水平，为学生从事电信技术、智能控制技术、计算机应用技术和生物医学技术工作、科研以及 为将来进一步学习和深入研究人工智能领域的知识奠定坚实的基础和拓宽就业面。（二）课程目标（根据课程特点和对毕业要求的贡献，确定课程目标。应包括知识目标和能力 目标。）模式识别导论的主要内容包括模式识别的研究内容和研究方法的介绍、统计模式识别方法和 句法模式识别方法的介绍等。课程目标包括知识目标和能力目标，具体如下：课程目标1:掌握模式识别系统的基
3、本构成原理及研究模式识别的两种最基本方法。掌握利用 准则函数、最小平方误差准则函数、多类情况下的线性判别函数及其固定增量算法来求出线性分界 面。掌握如何利用最小错误概率的Bayes决策和最小风险的Bayes决策原理来设计一个最优化的分 类器。掌握利用参数估计和非参数技术如何来估计概率密度函数的方法。掌握用近邻法则来进行分第五章近邻法 则和集群20002讲授、自学课程目标1、2第六章模式特 征的抽取和选 择20002讲授、自学课程目标1、2第七章结构模 式识别方法和 形式语言40004讲授、自学课程目标1、2第八章形式语 言在模式识别 中的发展20002讲授、自学课程目标1、2第九章句法分 析4
4、2006讲授、自学课程目标1、 2、 3、 4第十章句法结 构模式识别方 法的发展20002讲授、自学课程目标1、2第十一章文法 推断和基元选 择20002讲授、自学课程目标1、2第十二章句法 模式识别与专 家系统的关系12003讲授、自学课程目标1、2、4合计2840032五、课程考核课程考核方式包括期末考试、平时作业及阶段测试情况考核（其中包括笔记、大作业等）和实验情况考核。考核形式考核要求考核权重备注平时作业及 阶段测试每次课后布置35条作业，作业总量1520题，主要考 核学生对每节课知识点的复习、理解和掌握度，计算全 部作业的平均成绩再按10%计入总成绩；可让学生查阅 资料，了解本课程
5、相关技术发展情况，自主学习并完成。10%根据平时作业 得分取平均值 或结合平时测 试情况实验完成2个实验，能够通过实验来验证模式识别系统的基 本理论。最后按10%计入课程总成绩。10%评分细则见附录1期末考试试卷题型包括填空题、选择题、判断改错题、简答题、分析题和计算题6大类，以卷面成绩的80%计入课程总80%期末考试采用开卷笔试。成绩。其中考核模式识别基本理论、基本知识和基本应 用技能的题占90%；考核能针对个人或职业发展的需求， 采用合适的方法，自主学习，适应发展占比10%。六、参考书目及学习资料1、边肇祺等编著，模式识别（第二版），清华大学出版社，2000年1月。2、李金宗编著，模式识别
6、导论（第一版），高等教育出版社，1994年7月。七、大纲说明.主要采用多媒体教学手段，主要知识点板书与多媒体相结合，多种教学手段综合运用。1 .课后共需完成近20道习题作业，以评价学生对所学内容的理解和应用情况。建议利用网络 教学平台自学相关内容。2017年09月10日附录1:实验考核方式及评分细则本实验以考查为主，考核的内容包括实验过程的表现（其中包含分析与解决问题的能力）、实验 报告的质量等。分析与解决问题的能力采用提问和现场操作的方式进行。实验成绩中出勤、预习占 10%,实验过程表现占60%、实验报告及思考题占30%。成绩组成考核/评价环节分值考核/评价细则对应的毕业 要求指标点出勤、预
7、 习10%出勤状况， 预习评价10能按时到勤，遵守实验规定，不损坏实验设备（占 5%）；能够预习，并理解实验原理及目的（占5%）o4-3实验过程 60%实验中的表现60按照预设方案操作实验设备、仪表，正确完成实 验（占25%）；实验结果的准确性（占20%）；利 用所学知识分析解决问题的能力（占15%）。各 个实验在总分中所占权重系数以课时数为标准。4-3实验报告 30%实验报告评价30主要考察学生对实验结果进行分析和实验数据 进行处理的能力。要求报告字迹工整、格式规范 （占10%）；数据准确（占10%）；并按要求完成 相应思考题（10%）。4-3类的一般方法和利用离散的K-L变换来压缩特征向量
8、的维数。掌握程序方法和高维模式方法的基本 概念以及如何用它们来表达模式和基元之间的关系。课程目标2： 了解分段线性判别函数、Fisher线性判别函数及算法在分类中的应用。了解Neyman -Pearson决策、最小最大决策以及利用判别函数来设计分类器的一般原理和方法。了解密度估计 值的收敛性及后验概率的估计方法。了解如何用集群来完成对样本的分类。了解多个分布的特征选 择及特征抽取的过程。了解正规语言和有限自动机以及前后文无关语言和下推自动机的一些基本的 性质。了解算子优先算法、CYK算法、Earley算法在句法分析中的应用。了解属性文法的基本概念 以及进行识别的一般描述过程。了解用句法方法的基
9、于知识的模式识别系统在专家系统中的应用。 能针对个人或职业发展的需求，自主深入学习句法模式识别方法、基于知识的模式识别方法等相关 内容，适应今后职业发展需要。课程目标3：能用最基本的模式识别方法解决实际中的问题。能用统计模式识别方法设计出一 个线性判别函数来完成对字符的分类。课程目标4：能够通过实验来验证模式识别系统的最基本理论；掌握模式识别应用系统的基本 工作原理。二、课程内容与教学要求第一章引论（-）教学内容1 .模式和模式识别；2 .模式识别的发展和应用；3 .模式识别的研究方法；（二）教学要求（将相关内容按照掌握、理解、了解等不同教学要求进行分类）1 .掌握模式识别系统的基本构成原理及
10、研究模式识别的两种最基本方法；2 . 了解模式识别的发展历史及应用范围。（三）重点与难点（若不单独列出，需在教学要求中适当注明）1 .重点模式识别系统的基本构成原理及研究模式识别的两种最基本方法。2 .难点理解模式识别的基本概念。第二章线性判别函数（一）教学内容1 .线性判别函数和决策面；2 .感知准则函数和梯度下降法；3 .固定增量算法及其收敛性；4 .最小平方误差准则函数；5 .多类情况下的线性判别函数和固定增量算法；6 .分段线性判别函数；7 . Fisher线性判别函数。（二）教学要求（将相关内容按照掌握、理解、了解等不同教学要求进行分类）1 .掌握利用准则函数、最小平方误差准则函数、
11、多类情况下的线性判别函数及其固定增量算 法来求出线性分界面以找出决策界限；2 . 了解分段线性判别函数、Fisher线性判别函数及算法在分类中的应用。（三）重点与难点（若不单独列出，需在教学要求中适当注明）1 .重点掌握利用准则函数、最小平方误差准则函数、多类情况下的线性判别函数及其固定增量算法来 求出线性分界面；2 .难点分段线性判别函数、Fisher线性判别函数及其算法的正确理解及在分类中的应用。第三章系统模型参数估计（一）教学内容1 .最小错误概率的Bayes决策；2 .最小风险的Bayes决策；3 . Neyman一Pearson 决策；4 .最小最大决策；5 . Bayes分类器和判
12、别函数。（二）教学要求（将相关内容按照掌握、理解、了解等不同教学要求进行分类）1 .掌握如何利用最小错误概率的Bayes决策和最小风险的Bayes决策来设计一个最优化分类器;2 . 了解NeymanPearson决策、最小最大决策以及利用判别函数来设计分类器的一般原理和 方法。（三）重点与难点（若不单独列出，需在教学要求中适当注明）.重点利用最小错误概率的Bayes决策和最小风险的Bayes决策设计出一个最优化分类器;.难点NeymanPearson决策、最小最大决策来设计分类器的一般原理和方法。第四章概率总体的估计（-）教学内容1 .参数估计；2 .非参数估计。（二）教学要求（将相关内容按照
13、掌握、理解、了解等不同教学要求进行分类）1 .掌握利用参数估计和非参数技术如何来估计概率密度函数的方法；2 . 了解密度估计值的收敛性及后验概率的估计方法。（三）重点与难点（若不单独列出，需在教学要求中适当注明）1 .重点如何利用参数估计和非参数技术估计概率密度函数；2 ,难点密度估计值的收敛性及后验概率的估计。第五章近邻法则和集群（一）教学内容1 .近邻法则；2 .集群。（二）教学要求（将相关内容按照掌握、理解、了解等不同教学要求进行分类）.掌握用近邻法则来进行分类的一般方法；1 . 了解如何用集群来完成对样本的分类。（三）重点与难点（若不单独列出，需在教学要求中适当注明）1 .重点用近邻法
14、则来进行分类的一般方法；2 .难点用集群来完成对样本的分类。第六章模式特征的抽取和选择（一）教学内容1 .概述；2 .离散的KL变换；3 .多个分布的特征选择（二）教学要求（将相关内容按照掌握、理解、了解等不同教学要求进行分类）1 .掌握如何利用离散的K-L变换来压缩特征向量的维数；2 . 了解多个分布的特征选择及特征抽取的过程。（三）重点与难点（若不单独列出，需在教学要求中适当注明）1 .重点利用离散的K-L变换来压缩特征向量的维数；2 .难点多个分布的特征选择及特征抽取的过程。第七章结构模式识别方法和形式语言（-）教学内容1 .句法结构模式识别方法；2 .形式语言和短语结构文法；3 .正规
15、语言和有限自动机；4 .前后文无关语言和下推自动机。（-）教学要求（将相关内容按照掌握、理解、了解等不同教学要求进行分类）1 .掌握句法结构模式识别的原理；形式语言和短语结构文法的分析过程；2 . 了解正规语言和有限自动机以及前后文无关语言和下推自动机的一些基本的性质。（三）重点与难点（若不单独列出，需在教学要求中适当注明）1 .重点句法结构模式识别的原理；形式语言和短语结构文法的分析过程；2 .难点正规语言和有限自动机、前后文无关语言和下推自动机的一些基本性质的理解。第八章形式语言在模式识别中的发展（-）教学内容1 .程序文法；2 .高维模式方法。（二）教学要求（将相关内容按照掌握、理解、了
16、解等不同教学要求进行分类）1 .掌握程序文法的基本概念以及如何用它们来表达模式和基元之间的关系；2 . 了解高维模式方法的基本概念以及用它来表达模式和基元之间的关系。（三）重点与难点（若不单独列出，需在教学要求中适当注明）1 .重点程序文法的基本概念以及如何用它们来表达模式和基元之间的关系；2 .难点高维模式方法的基本概念及其应用。第九章句法分析（一）教学内容1 .句法分析的一般概念；2 .正规语言的句法分析方法；3 .算子优先算法；4 . CYK算法;5 . Earley 算法；6 .几种前后文无关语言句法分析算法的比较。（二）教学要求（将相关内容按照掌握、理解、了解等不同教学要求进行分类）
17、1 .掌握句法分析的一般概念及正规语言的句法分析方法；2 . 了解算子优先算法、CYK算法、Earley算法在句法分析中的应用。（三）重点与难点（若不单独列出，需在教学要求中适当注明）1 .重点句法分析的一般概念及正规语言的句法分析方法；2 .难点算子优先算法、CYK算法、Earl6y算法的理解及应用。第十章句法结构模式识别方法的发展（-）教学内容1 .随机文法；2 .属性文法。（二）教学要求（将相关内容按照掌握、理解、了解等不同教学要求进行分类）1 .理解随机文法的基本概念以及构造一个随机自动机的一般方法；2 . 了解属性文法的基本概念以及进行识别的一般描述过程。（三）重点与难点（若不单独列
18、出，需在教学要求中适当注明）1 .重点随机文法的基本概念以及构造一个随机自动机的一般方法；2 ,难点属性文法的基本概念以及进行识别的一般描述过程。第十一章文法推断和基元选择（一）教学内容1 .文法推断的基本概念；2 .正规文法的推断；3 .前后文无关文法的推断；4 .模式基元的抽取。（二）教学要求（将相关内容按照掌握、理解、了解等不同教学要求进行分类）1 .理解文法推断、正规文法推断以及前后文无关文法推断的基本概念;2 . 了解模式基元抽取的一般方法。（三）重点与难点（若不单独列出，需在教学要求中适当注明）1 .重点文法推断、正规文法推断以及前后文无关文法推断的基本概念；2 .难点模式基元抽取
19、的一般方法。第十二章句法模式识别与专家系统的关系（-）教学内容1 .句法模式识别的进一步考虑；2 .用句法方法的基于知识的模式识别系统。（-）教学要求（将相关内容按照掌握、理解、了解等不同教学要求进行分类）1 .理解如何用句法方法来研究高层处理的问题，从而得到一个用句法方法的专家系统;2 . 了解用句法方法的基于知识的模式识别系统在专家系统中的应用。（三）重点与难点（若不单独列出，需在教学要求中适当注明）1 .重点用句法方法来研究高层处理的问题，从而得到一个用句法方法的专家系统；2 .难点用句法方法的基于知识的模式识别系统在专家系统中的应用。三、本课程开设的实验项目编号实验项目名称学时类型要求
20、支撑的课程目标1字符识别2验证性选做课程目标42指纹识别2验证性选做课程目标4注：1. “类型”填验证性、综合性、设计性等；“要求”填必做、选做。实验1:字符识别L实验目的及要求1）加深对课程理论知识的理解；2） 了解模式识别的应用范围；掌握字符模式识别应用系统的基本工作原理;3）记录整理实验过程，正确撰写实验报告。2.实验主要内容1）复习相关知识，认真写好预习报告；2） 了解实验流程；3）观察记录实验过程；4）分析相应的问题及结果。3.重难点字符模式识别应用系统的基本工作原理的理解和掌握。实验2：指纹识别写明实验目标及要求。1 .实验目的及要求1）加深对课程理论知识的理解；2 ） 了解模式识
21、别的应用范围；掌握指纹模式识别应用系统的基本工作原理；3）记录整理实验过程，正确撰写实验报告。3 .实验主要内容5）复习相关知识，认真写好预习报告；6） 了解实验流程；7）观察记录实验过程；8）分析相应的问题及结果。4 .重难点指纹模式识别应用系统的基本工作原理的理解和掌握。注：本课程为专业选修课，授课对象为大四学生，实验类型为验证性实验，均需要提交实验报 告，实验报告主要包括实验目的、要求和内容，数据的分析以及思考题的回答。实验评价内容 和评分细则参见附录1。四、学时分配及教学方法章教学形式及学时分配主要教学方法支撑的课程目标课堂 教学实验上 机课程 实践小计第一章引论10001讲授、讨论课程目标1、2第二章线性判 别函数30003讲授、自学、实验课程目标1、2、3第三章Bayes 决策理论30003讲授、自学、讨论课程目标 1、2、3第四章概率总 体的估计20002讲授、自学课程目标1、2