《《模式识别》课程教学大纲.docx》由会员分享，可在线阅读，更多相关《《模式识别》课程教学大纲.docx（13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、模式识别教学大纲课程名称：模式识别（pattern recognition ）课程编码：1502ZY157课程类别：专业基础-选修学分：3分总学时：48学时，其中，授课学时：40学时；上机学时：8学时适用专业：人工智能专业先修课程：高等数学、python程序设计、数字图像处理课程性质本课程是人工智能专业的专业选修课，是研究计算机模式识别的基本理论、方法和应用。本潮呈的教学目的是，通过本课程的学习，使学生掌握模式识别的基本概念、基本原理、基本分析方法和算法,土虢生利用模齿期仿法，矶搦挪决本专业羽联领蝴实际问题的能九二.课程目标（一）育人目标“不忘初心，牢记使命:从培养学生的辩证思维方式，爱国教育
2、、社会责任、人生领 悟、民族自信 等方面入手，将育人要素和信号与系统专业知识嵌入到课堂中教学，凝聚学生 对社会主义核国介值观白铁 识。通过科学家故事学习科学精神，通过课程概念原理学习系统 论、工程论、科学思维，利用模式识别实际 应用研究学习科技自信及爱国主义It怀，师生互 动进行三观教育和学习方法指导，培养学生的专业素质 和职业道德，全面提高学生缘事析 理、明辨是非的能力，培养学生成为德才兼备、全面发展的人才。（二）知识和能力目标1 .掌握模式识别的基本概念、基本原理和基本方法，能够在后续课程的学习和之后的 工作中灵活应用这些理论、知识与方法解决可能遇到的问题（毕业要求1.2）;2 .通过以上
3、知识点的学习，让学生可以把人工智能与个人研究方向结合，更好解决学生个人研究领域中所遇到的问题（毕业要求2.2） o课程目标与毕业要求指标点对应关系课程目标毕业要求指标点课程目标11.2 了解模式识别的基本概念、基本原理和基本方法等理论基础知识，了解模 式识别的知识体系结构和应用领域，培养学生的专业兴趣。课程目标22.2通过以上知识点的学习，让学生可以把人工智能与个人研究方向结合，更 好解决学生个人研究领域中所遇到的问题；三、基本要求通过对本课程的学习，要求学生了解以下知识点：模式与模式识别的基本概念和原理、 统 计决策方法基本方法以及应用、概率密度函数的估计方法以及应用、线性分类器方法以及应用
4、、 非线性分类器方法以及应用、特征选择方法以及应用、特征提取、非监督模式识别、 模式识别系统 的评价等。通过以上知识点的学习，让学生可以把人工智能与个人研究方向结合，更好解决学生个人研 究领域中所遇的问题。四课程教学内容与学时分配分章节说明教学内容，课时安排，并说明教学重点与难点、主要教学模式（包括授课、自学、实验、课程设计、大作业等）以及对应的知识、能力要求。早下教学内容授课学时教学模式对应课程目标1模式识别概述4课堂授课，课堂讨论课程目标12统计决策方法1 4课堂授课，课堂讨论课程目标1/23概率密度函数的估计4课堂授课，课堂讨论课程目标1/24线性分类器4课堂授课，课堂讨论课程目标1/2
5、L-14 4 K 八必 口口A、网 RIA、由ffl、-L、人、苗 xn n L 1 /c法自组织映射神经网络(8)模式识别系统的评价(4学时)监督模式识别方法的错误率估计有限样本下错误率的区间估计问题特征提取与选择对分类器性能估计的影响从分类的显著性推断特征与类别的关系非监督模式识别系统性能的评价五、教学方法本课程采用理论教学与课堂、课后习题等相结合的教学方式方法，主要教学环节包括课堂教学、课堂讨论和课后习题练习以及课后自学。1 .课堂教学 课堂教学以“互动式”方法为主导，在这一教学环节，学生 以听课为主，并适当参与讨论。教师主要讲授课程的基本概念、基本理论和基本方法。同时，有意识设计一些讨
6、论性问题，引导学生运用已有的知识进行思考。考虑到 本课程涉及内容多，故采 用多媒体教学手段，以提高课堂效率。2 .课堂讨论和课后实践课后对于本课程中主要知识点，布置适当实际应用案例，让学生在课后分组完成，并让学生将完成的结果拿到课堂进行讲解和讨论，使学生进一步理解和巩固课程所学的基本概念、基本理论和方法。精选讲课内容，精讲重点难点，安排同学自学易于理解的内容,以培养学生自主 学习的意识和能力以及抓住要点的能力六、考核及成绩评定方式1 .考核标准与成绩评定课程考核包括课堂考勤、讨论发言和 课后作业三个部分。平时成绩(百 分制)，包括课堂讨论与测验、作 业等。平时成绩评价标准基本要求评价标准优秀(
7、0.9-1)良好(0.7-0.89)合格(0.6合.69)不合格(0-0.59)掌握模式识别的基本概念、 基本的知识点、相关应用和 前景，并育引用python开发语言和相应开发库完 成一些实践案例熟练掌握模式识 别的基本概念、 基本的知识点、 相关应用，并能 利用python开发 语言和相应开发 库完成一些实践 案例熟练掌握模式识 别的基本概念、 基本的知识点、 相关应用，并能 利用python开发 语言和相应开发 库完成较为基础 的实践案例熟练掌握模式识 别的基本概念、 基本的知识点、 相关应用，了解 利用python开发 语言解决实际问 题的流程了解掌握模式识 别的基本概念、 基本的知识点
8、、 相关应用，不能 利用python开发 语言和相应人工 智能开发库完成 一些实践案例课程期末考试考核内容与评价标准基本要求评价标准比例(%)优秀(09-1)良好(07089)合格(06-0.69)不合格(0059)目 标1掌握模式识别的 基本概念、基本的知 识点、相关应用。熟练掌握模式 识别的基本概 念、基本的知 识点、相关应 用。较为熟练掌 握模式识别 的基本概念、基 本的知识点、相关了解掌握模式 识别的基本概 念、基本的知 识点、相关应 用。没有掌握模式识 别的基本概念、 基本的知识点、 相关应用。60H 标2能利用python开发 语言和相应开发库 完成一些实践案例熟练利用python
9、 开发 语言和相应开 发库完成一些 实践案例较为利用 python开发语 言和相应开发 库完成一些实 践案例了解利用 python 开发 语言和相应开 发库完成一些 实践案例的流 程不能利用 python开发语 言和相应开发 库完成一些实 践案例40注：该表格中的比例为期末成绩评定方案O成绩评定为：考勤 *30%+平时作业*70%2 .课程目标达成评价表2模式识别课程目标达成评价分析报告一、课程基本信息课程名称模式识别课程性质专业限选课学时学分32/2开课学期专业班级考核方式考查任课教师：评价人员：课任老师二、课程目标达成评估课程目标支撑指标点课程目标评价数据源评价依据分值平均分达成度值期评价
10、方式毕业要求1.2掌握模式识别的基本概念、基本的知识点、相关应用。目标1：掌握模式识别的 基本概念、基本的知识 点、相关应用。期末考查：模式识别的基 本概念、理 论（60分）T10=60试题构成 说明Tl=40ri.一*0.7 +*0.3皿=0.71平时作业A10=100Al=81毕业要求2.2能利用 python开发语言和相应 开发库完成一些实践案例目标2能利用python开 发语言和相应开发库完 成一些实践案例期末考查：（1 自坏佣python 开发语言和相 应开发库完成 一些实践案例 （40 分）T20=40试题构成 说明n ntT2=33皿*0.7+*0.3=0.82平时作业A20=1
11、00A2=8三、课程评价与分析存在的主要问题持续改进方法用材教参书用材 使教和学考使教 七张学工编，模式识别，清华大学出版社，2010年8月。 教学参考书：1、边肇祺编，模式识别，清华大学出版社。2、范九伦等编，模式识别导论，西安电子科技大学出版社。6特征选择和特征提取4课堂授课，课堂讨论、课程目标1/27非监督模式识别4课堂授课，课堂讨论、课程目标1/28模式识别系统的评价4课堂授课，课堂讨论、课程目标1/2(1)概论(2学时)模式与模式识别模式识别的主要方法监督模式识别与非监督模式识别模式识别系统举例模式识别系统的典型构成(2)统计决策方法(4学时)引个 简 单 的 例 子小错误率贝叶斯决
12、策最小风险贝叶斯决策两类错误率、neyman-pearson roc错误率的计算离散概率模型下的统计决策举例(3)概率密函数的估计(2学时)引.- J最大似然估计贝叶斯估计与贝叶斯学习概率密度估计的非参数方法(4)线分类器（4学时）引: J线性判别函数的基本概念f*1Sher线性判别分析感知器最小平方误差判别最优分类超平面与线性支持向量机多类线性分类器(5)非线性分类器(4学时)引言分段线性判别函数次判别函数多层知器神经网络支持向吊：机核函数机器(6)特征选择和特征提取(8学引特征的评价准则特征选择的最优、次优和遗传算法以分类性能为准则的特征选择方法基于类别可分性判据的特征提取主成分分析方法karhunen-loeve 变换k-1变换在人脸识别中的应用举例高维数据的低维显示 多维尺度法非线性变换方法简介(7)非监督模式识别(4学时)引言基于模型的法 混 合 模 型 的 估 计 动 态 聚 类 算 法 模 糊 聚 类 方 法 分 级 聚 类 方