《模式识别》教学大纲
一、课程的教学目标和任务
本课程是一门模式识别与智能计算方向的导论基础课，适合计算机各专业对该学科有兴趣的学生选修。
本课程的目的是通过学习使学生了解模式识别技术的基本概念、基本理论、基本算法和应用方式，理解模式识别的主要研究内容、研究方向和研究方法，掌握统计模式识别和结构模式识别的基础算法。
本课程的任务是通过教师对课程的讲授，使学生了解模式识别学科的基本概念、基本理论和研究思路，掌握模式识别的分类决策理论和基本算法，掌握模式识别分析的基本理论和基本算法，培养学生利用所学知识解决模式识别方面的实际问题的基本能力，为后续模式识别与智能系统专业的学习和深入研究奠定基础。
二、教学内容及学时分配
总学时：32学时
第一章绪论（5学时）
1、课程内容
一、模式识别中的概念
二、模式识别系统构成
三、特征选择方法概要
2、重点、难点
⑴教学重点：本课程是计算机信息处理领域的基础理论课程，明确模式识别的基本功能
⑵教学难点：快速将学生引入模式识别领域，提升学生对计算机理论研究的兴趣。
3、基本要求
灵活应用紧致性处理模式之间是否可分的问题；通过掌握判别阈值法，明确模式识别的基本处理方法，模式识别是如何分析解决现实问题的；掌握特征生成方法中的提取和选择，对于给定实物特征能领会提取实物的有用信息。
第二章分类器设计（10学时）
1、课程内容
第一节基于概率统计的贝叶斯分类器设计
一、贝叶斯决策的基本概念
二、基于最小错误率的的贝叶斯决策
三、基于最小风险的贝叶斯分类实现
第二节判别函数分类器设计
一、判别函数的基本概念
二、LMSE分类算法
三、fisher分类算法
第三节神经网络分类器设计
一、人工神经网络的基本原理
二、BP神经网络
第四节决策树分类器
一、决策树的基本概念
二、决策树分类器设计
第五节粗糙集分类器
一、粗糙集理论的基本概念
二、粗糙集在模式识别中的应用
三、粗糙集分类器设计
2、重点、难点
⑴教学重点：如何保证分类器设计完成后，能正常分类，如何查找错分情况，如何分析错分可能性；
⑵教学难点：阐明分类器设计中的数学理论，增强其对分类器的理论支撑。
了解不同分类器的基本概念；理解不同分类器的基本理论推导以及相关概念；掌握分类器的设计过程。
第三章聚类分析（10学时）
1、课程内容
第一节聚类的设计
第二节基于试探的未知类别聚类算法
一、最邻近规则试探法
二、最大最小距离算法
第三节层次聚类算法
一、最短距离法
二、最长距离法
三、中间距离法
四、重心法
五、类平均距离法
第四节动态聚类算法
一、K均值算法
二、迭代自组织的数据分析算法(ISODATA)
第五节模拟退火聚类算法
一、模拟退火的基本概念
二、基于模拟退火思想的改进K均值聚类算法
第六节模糊聚类分析
一、模糊集概念与运算
二、模糊关系
三、基于模糊的聚类分析
2、重点、难点
⑴教学重点：聚类方法为什么是模式识别中，自动化较高，人为干预较少，目前应用很广发的分类识别方法。
⑵教学难点：对于聚类识别中的算法，理论推导是算法的基础，附加MATLAB实验，增强学生处理能力，加深对算法的认识。
了解聚类识别的基本概念；理解聚类算法的基本理论推导以及相关概念；掌握聚类算法处理问题的特点，以及如何构建聚类分析。
第四章复杂的聚类分析算法（7学时）
1、课程内容
第一节遗传算法聚类分析
一、遗传算法的基本概念
二、遗传算法的构成要素
三、控制参数的选择
四、基于遗传算法的聚类分析
第二节蚁群算法聚类分析
一、蚁群算法的基本概念
二、聚类数目已知的蚁群聚类算法
三、聚类数目未知的蚁群聚类算法
第三节粒子群算法聚类分析
一、粒子群算法的基本概念
二、基于粒子群算法的聚类分析
2、重点、难点
⑴教学重点：在上一章基础上介绍更为复杂的聚类算法，加深学生对算法的认识。
⑵教学难点：加强学生matlab实验的应用能力，为最终的论文考查做准备。
3、基本要求
了解复杂聚类算法的基本概念；理解复杂聚类算法的基本理论推导以及相关概念；掌握聚类算法处理问题的特点，以及如何构建聚类分析。
三、课程教学的基本要求
1、课堂讲授
运用理论分析法、理论联系实验、讨论等教学方法，深入浅出的进行教学。
2、考核与成绩评定
考核：模式识别论文写作，雷同论文取消成绩，对于思想新颖论文给予高分评定。
成绩评定：论文占70%，课后作业、课堂作业占20%，出勤10%。
3、论文评分标准
字数要求：1500字以上。
评分标准：100分
主要分为：论文结构50分；语言组织20分；创新10分；价值20分。
具体评分标准如下：
（1）论文结构：50分
A．论文层次分明，内容组织有序：40~50分；
B．论文层次一般，内容组织一般：30~39分；
C．论文层次不合理，内容组织不合理：30分以下。
（2）语言组织：20分
A．语言简练，通顺。
16~20分；
B．语言一般，基本通顺。
12~15分；
C．语言不通顺，有错字。
11分以下。
（3）创新：10分
A．论文具有前瞻性，有较多的创新见解：8~10分；
B．论文具有前瞻性，有少数的创新见解：4~7分；
C．论文没有前瞻性，无创新：0~3分。
（4）价值：20分
A．论文有较高的理论或使用价值，能够解决实际问题或体现所学理论知识；16~20分；
B．论文使用价值或理论价值一般，有一定的参考价值；8~15分；
C．论文没有价值：0~7分。
四、学时分配的建议
五、建议教材和参考书目
1、建议教材
模式识别与智能计算:Matlab技术实现，杨淑莹著，电子工业出版社，2008-01.。