武汉理工大学：《模式识别》课程教学大纲 Pattern Recognition（研究生）

武汉理工大学研究生课程教学大纲基本情况课程编号1221003开课学院信息工程学院开课学期第1学期授课对象博士研究生口学术型研究生围专业型研究生口公共口课程类别专业中文模式识别跨学科口学位课■课课程性质非学位课口程名多媒体■称双语口英文Pattern Recognition全英文口授课方式实验口其他口课程负责人杨杰职称教授职工号6859E-mailJieyang509@163.com联系电话13006330300职称任课教师1郭志强副教授学位工学博士职工号1569E-mail联系电话13971687504guozhiqiang@whut.edu.cn其他教师（姓名，职务，学位、职工号）36学时/学时学分数考核方式开卷、论文成绩比例考试70%，论文30%2学分二、先修课程线性代数，概率论与数理统计三、课程目的及要求目的：“模式识别”是为信息与通信工程专业硕士研究生开设的必修课程，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，具有初步设计、实现模式识别中比较简单的分类器算法的能力和解决工程实际问题的能力。要求：通过本课程的学习，学生应熟练掌握模式识别的基本概念、基本理论、基本方法和基本技能，注意理论和实际应用的结合，了解本学科和本应有领域的新发展。重点掌握模式识别中的聚类分析、判别函数及几何分类法、基于统计决策的概率分类法、特征选择与特征提取、句法模式识别、模糊模式识别法和神经网络模式识别法。四、课程内容及学时分配

1 武汉理工大学研究生课程教学大纲 一、基本情况 课程编号 1221003 开课学院 信息工程学院 开课学期 第 1 学期 授课对象 博士研究生□ 学术型研究生■ 专业型研究生□ 课 程 名 称 中文 模式识别 课程类别 公共□ 专业■ 跨学科□ 课程性质 学位课■ 非学位课□ 英文 Pattern Recognition 授课方式 多媒体■ 双语□ 全英文□ 实验□ 其他□ 课程负责人 杨杰 职称 教授 职工号 6859 E-mail Jieyang509@163.com 联系电话 13006330300 任课教师 1 郭志强 职称 副教授 学位 工学博士 职工号 1569 E-mail guozhiqiang@whut.edu.cn 联系电话 13971687504 其他教师（姓 名，职务，学 位、职工号） 学时学分数 36 学时/ 2 学分 考核方式 开卷、论文 成绩比例 考试 70%，论文 30% 二、先修课程 线性代数，概率论与数理统计 三、课程目的及要求 目的：“模式识别”是为信息与通信工程专业硕士研究生开设的必修课程，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，具有初步设计、实现模式识别中比较 简单的分类器算法的能力和解决工程实际问题的能力。 要求：通过本课程的学习，学生应熟练掌握模式识别的基本概念、基本理论、基本方法和基本技能， 注意理论和实际应用的结合，了解本学科和本应有领域的新发展。重点掌握模式识别中的聚类分析、判 别函数及几何分类法、基于统计决策的概率分类法、特征选择与特征提取、句法模式识别、模糊模式识 别法和神经网络模式识别法。 四、课程内容及学时分配

1绪论（2学时）模式和模式识别的概念；模式识别系统；模式识别概况；模式识别的应用2聚类分析（2学时）距离聚类的概念；相似性测度和聚类准则；基于距离阈值的聚类算法：层次聚类法；动态聚类法；聚类结果的评价3判别函数及几何分类法（4学时）判别函数：线性判别函数：广义线性判别函数：线性判别函数的几何性质：感知器算法：梯度法：最小平方误差算法；非线性判别函数4基于统计决策的概率分类法（4学时）研究对象及相关概率：贝叶斯决策：贝叶斯分类器的错误率：聂曼·皮尔逊决策：概率密度函数的参数估计：概率密度函数的非参数估计：后验概率密度函数的势函数估计法5特征选择与特征提取（4学时）基本概念；类别可分性测度；基于类内散布矩阵的单类模式特征提取；基于K-L变换的多类模式特征提取；特征选择6模糊模式识别法（2学时）模糊数学概述：模糊集合；模糊关系与模糊矩阵；模糊模式分类的直接方法和间接方法：模糊聚类分析法7神经网络模式识别法（2学时）感知器模型；前馈神经网络；自组织神经网络：径向基神经网络：深度学习简介8模式识别工程案例（2学时）图像识别：语音识别：文本识别9习题课（2学时）10讨论（2学时）11实验（10学时）（1）总体概率密度分布的非参数方法：（2）感知器准则算法实验：（3）Fisher线性判别实验（4）BP神经网络算法实验（5）支持向量机算法实验五、课程重点及难点重点1.判别函数及几何分类的思想，感知器算法、梯度法和最小平方误差算法。2.叶斯决策的方法，概率密度函数的参数估计和非参数估计。3.基于类内散布矩阵的单类模式特征提取和基于K-L变换的多类模式特征提取。4.模糊关系与模糊矩阵的概念，模糊聚类分析法。5.神经网络进行模式识别法的基本思想和常用神经网络原理。难点1.叶斯决策的方法，概率密度函数的参数估计和非参数估计。2.模糊聚类分析法。3.神经网络原理、支持向量机原理。六、教材或讲义（含名称/出版社/出版时间）1.张学工《模式识别》（第3版），清华大学出版社，2010年。2.杨杰，郭志强《模式识别原理与应用》自编讲义，待出版。七、参考书目（含名称/出版社/出版时间或刊号）Christopher M.Bishop《Pattern Recognition and Machine Learning》springer,2006年。西奥多里德斯《模式识别》（英文版第4版），机械工业出版社，2009年RichardO.Duda,PeterE.Hart,DavidG.Stork《模式识别》（第2版），Wiley出版社，2001年八、其他内容要求：（含项目训练内容、学术讲座内容、读书报告内容等）编写人：郭志强时间：2015年5月2

2 1 绪论（2 学时） 模式和模式识别的概念；模式识别系统；模式识别概况 ；模式识别的应用 2 聚类分析 （2 学时） 距离聚类的概念；相似性测度和聚类准则；基于距离阈值的聚类算法；层次聚类法；动态聚类法； 聚类结果的评价 3 判别函数及几何分类法 （4 学时） 判别函数；线性判别函数 ；广义线性判别函数；线性判别函数的几何性质；感知器算法；梯度法； 最小平方误差算法；非线性判别函数 4 基于统计决策的概率分类法 （4 学时） 研究对象及相关概率；贝叶斯决策；贝叶斯分类器的错误率；聂曼·皮尔逊决策；概率密度函数的 参数估计；概率密度函数的非参数估计；后验概率密度函数的势函数估计法 5 特征选择与特征提取 （4 学时） 基本概念；类别可分性测度；基于类内散布矩阵的单类模式特征提取；基于 K-L 变换的多类模式特 征提取；特征选择 6 模糊模式识别法 （2 学时） 模糊数学概述；模糊集合；模糊关系与模糊矩阵；模糊模式分类的直接方法和间接方法；模糊聚类 分析法 7 神经网络模式识别法（2 学时） 感知器模型； 前馈神经网络；自组织神经网络； 径向基神经网络；深度学习简介 8 模式识别工程案例（2 学时） 图像识别；语音识别；文本识别 9 习题课（2 学时） 10 讨论（2 学时） 11 实验（10 学时） （1）总体概率密度分布的非参数方法 ；（2）感知器准则算法实验；（3） Fisher 线性判别实验 （4） BP 神经网络算法实验（5）支持向量机算法实验 五、课程重点及难点 重 点 1. 判别函数及几何分类的思想，感知器算法、梯度法和最小平方误差算法。 2 . 叶斯决策的方法，概率密度函数的参数估计和非参数估计。 3 . 基于类内散布矩阵的单类模式特征提取和 基于 K-L 变换的多类模式特征提取。 4 . 模糊关系与模糊矩阵的概念，模糊聚类分析法。 5 . 神经网络进行模式识别法的基本思想和常用神经网络原理。 难 点 1. 叶斯决策的方法，概率密度函数的参数估计和非参数估计。 2 . 模糊聚类分析法。 3 . 神经网络原理、支持向量机原理。 六、教材或讲义（含名称/出版社/出版时间） 1. 张学工《模式识别》（第 3 版），清华大学出版社，2010 年。 2. 杨杰，郭志强《模式识别原理与应用》自编讲义，待出版。 七、参考书目（含名称/出版社/出版时间或刊号） Christopher M. Bishop《Pattern Recognition and Machine Learning》springer, 2006 年。 西奥多里德斯《模式识别》（英文版 第 4 版），机械工业出版社，2009 年 Richard O.Duda,Peter E.Hart,David G.Stork《模式识别》 (第 2 版), Wiley 出版社，2001 年 八、其他内容要求：（含项目训练内容、学术讲座内容、读书报告内容等） 编写人：郭志强 时间：2015 年 5 月

教学大纲填写说明一、填表范围所有专业开设的课程（理论课程、实验课程），均必须填写课程教学大纲。二、填写要求1、所有表格内容请用五号宋体填写。2、表格中所有内容必须填写。3、教学大纲需用A4纸正反打印。三、具体填表项目说明1、课程编码：由各研究生教育指导分委员会统一编发。2、开课学院：请填写学院的全称，如：物流工程学院。3、开课学期：请填写阿拉伯数字，如：第2学期。4、授课方式：可以多选。5、任课教师：每门课程须有至少2名授课教师方可开课。6、学时学分数：按照以下方式填写，如18学时/1学分。7、考核方式：具体包括闭卷、开卷、论文（报告）、课程设计、其他。8、成绩比例：按照以下方式填写，如：平时成绩30%，期中成绩20%，期末成绩50%。3

3 教学大纲填写说明 一、填表范围 所有专业开设的课程(理论课程、实验课程)，均必须填写课程教学大纲。 二、填写要求 1、所有表格内容请用五号宋体填写。 2、表格中所有内容必须填写。 3、教学大纲需用 A4 纸正反打印。 三、具体填表项目说明 1、课程编码：由各研究生教育指导分委员会统一编发。 2、开课学院：请填写学院的全称，如：物流工程学院。 3、开课学期：请填写阿拉伯数字，如：第 2 学期。 4、授课方式：可以多选。 5、任课教师：每门课程须有至少 2 名授课教师方可开课。 6、学时学分数：按照以下方式填写，如 18 学时/1 学分。 7、考核方式：具体包括闭卷、开卷、论文（报告）、课程设计、其他。 8、成绩比例：按照以下方式填写，如：平时成绩 30%，期中成绩 20%，期末成绩 50%