模式识别是一门与人工智能密切相关的专业课,本课程主要系统介绍模式识别的基本理论和方法,包括:模式识别的基本理论、监督模式识别中常用的线性和非线性分类器、非监督模式识别的分类器设计方法以及特征选择和提取的方法、分类器的评价方法等。模式识别作为一门实践性很强的学科,授课的时候采用算法的理论讲解和实验演示相结合的方法来进行。通过本课程的学习,不仅可以系统掌握模式识别的基本知识、理论和方法,了解模式识别的发展趋势和应用领域,还能够为将来进一步深入学习和研究模式识别和人工智能打下坚实的基础,帮助我们提高解决工程问题的能力。
模式识别作为一门实践性很强的学科,授课的时候采用算法的理论讲解和实验演示相结合的方法来进行。通过本课程的学习,可以系统掌握模式识别的基本知识、理论和方法,了解模式识别的发展趋势和应用领域,不仅能够为将来进一步深入学习和研究模式识别和人工智能打下坚实的基础,还会帮助我们提高解决工程问题的能力。
课程采用百分制,各部分要求及占总成绩比例如下:
章节测试:客观题,随每周课程更新,占总成绩的30%;
期末考查:写一篇3000字左右的学习心得,占总成绩70%。
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,如果有人工智能的相关基础就更好了!
[1] 张学工《模式识别》(第3版),清华大学出版社,2010年。
[2] Richard O.Duda,PeterE.Hart,DavidG.Stork 著,李宏东 姚天翔等译,《模式分类》 (原书第2版), 机械工业出版社,2000年。
[3] 杨杰 郭志强《模式识别及MATLAB实现》,电子工业出版社,2017年。
[4]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。
[5] 孙即祥《现代模式识别》,国防科技大学出版社,2001年
[6]周志华 《机器学习》 ,清华大学出版社,2016年