北京大学：《模式识别》课程教学资源（课件讲稿）课程简介（甘锐）

课程简介 模式识别 口任课教师：甘锐 Pattern Recognition ■办公室：理一1511 Email:raygan@pku.edu.cn 信息科学系 口助教：季东 北京大学数学科学学院 Email:sea10873@163.com 口时间/地点：周二7~9，一教103 口课程主页(Under construction) http://www.math.pku.edu.cn/teachers/ganr/co urse/pr 课程简介 课程简介 口课程对象 模式识别是研究用计算机自动识别事物的一门科 ·面向数学科学学院研究生的专业基础课（高年级本科 学，其目的是使用机器完成类似于人类智能通过 生可选)。 视觉、听觉等感官去识别外界环境所进行的工 作，它包括语音识别、图像识别等典型应用。 口教学目标 口课程主要内容 ■熟练掌握模式识别的基本理论和方法： ■模式识别的概念 ■有效运用所学的模式识别概念和方法解决实际问题： 基本模式识别系统的组成 。为研究新的模式识别的理论和方法打下基础。 模式识别问题的数学表达 解决模式识别问题的基本理论和方法 一些代表性方法/算法 一些最新进展和存在的问题 课程简介 课程简介 口课程内容安排 口先修课程 1.引论（模式识别的概念、系统、基本问题、历史等） ·高等代数、数学分析、概率与统计、程序设计基础 2.贝叶斯决策理论 3.概率密度函数的估计 口相关学科 。人工智能 4. 线性判别函数 ■统计学 5. 非线性判别函数 ■机器学习 6. 特征选择和提取 。运筹学 7. 非监督学习和聚类 ■图像处理、计算机视觉、心理学、语言学

模式识别 Pattern Recognition 信息科学系 北京大学数学科学学院 课程简介  任课教师:甘锐  办公室：理一 1511  Email：raygan@pku.edu.cn  助教：季东  Email：sea10873@163.com  时间/地点：周二 7~9，一教103  课程主页 （Under construction）  http://www.math.pku.edu.cn/teachers/ganr/co urse/pr 课程简介  课程对象  面向数学科学学院研究生的专业基础课（高年级本科 生可选）。  教学目标  熟练掌握模式识别的基本理论和方法；  有效运用所学的模式识别概念和方法解决实际问题；  为研究新的模式识别的理论和方法打下基础。 课程简介  模式识别是研究用计算机自动识别事物的一门科 学，其目的是使用机器完成类似于人类智能通过 视觉、听觉等感官去识别外界环境所进行的工 作，它包括语音识别、图像识别等典型应用。  课程主要内容  模式识别的概念  基本模式识别系统的组成  模式识别问题的数学表达  解决模式识别问题的基本理论和方法  一些代表性方法/算法  一些最新进展和存在的问题 课程简介  课程内容安排 1. 引论（模式识别的概念、系统、基本问题、历史等） 2. 贝叶斯决策理论 3. 概率密度函数的估计 4. 线性判别函数 5. 非线性判别函数 6. 特征选择和提取 7. 非监督学习和聚类 课程简介  先修课程  高等代数、数学分析、概率与统计、程序设计基础  相关学科  人工智能  统计学  机器学习  运筹学  图像处理、计算机视觉、心理学、语言学…

课程简介 课程简介 口教材 口课程讲授、实验演示、平时作业和课堂讨论相结 ·边肇祺，张学工等，《模式识别》（第二版），清华大学 合。 出版社，2000。 口主要教学参考书 口成绩评定： Richard O.Duda,Peter E.Hart,David G. Stok,《模式分类》，机械工业出版社，2005。 ■平时成绩（包括出勤率）：20%： ■J.P.Marques de sa,《模式识别原理、方法及应 ■期中考试（或课程项目）：30%： 用》，清华大学出版社，2002。 ■期末考试：50%。 ·黄风岗，宋克欧，《模式识别》，哈尔滨工业大学出 版社，1999。 Christopher M.Bishop,(Pattern Recognition and Machine Learning》,springer,20o7

课程简介  教材  边肇祺，张学工等，《模式识别》(第二版)，清华大学 出版社，2000。  主要教学参考书  Richard O. Duda, Peter E. Hart, David G. Stork，《模式分类》，机械工业出版社，2005。  J．P．Marques de sa，《模式识别原理、方法及应 用》，清华大学出版社，2002。  黄风岗，宋克欧，《模式识别》，哈尔滨工业大学出 版社，1999。  Christopher M. Bishop,《Pattern Recognition and Machine Learning》，springer，2007。 课程简介  课程讲授、实验演示、平时作业和课堂讨论相结 合。  成绩评定：  平时成绩（包括出勤率）：20%；  期中考试（或课程项目）：30%；  期末考试：50%