《模式识别》课程教学大纲
课程编号：50420361
课程名称：模式识别
英文名称：Pattern Recognition
课程类别：专业限选课
学分：2
学时：40
开课学期：一
开课周次：11-20
开课教研室：自动化系计算机控制教研室
任课教师及职称：刘禾教授
先修课程：概率论
适用专业：模式识别与智能系统、控制理论与控制工程
课程目的和基本要求：
课程设置的目的使硕士研究生掌握模式识别的基本理论与方法。

通过课程学习要求学生掌握模式识别的基本理论与方法，了解这些理论与方法的一些典型应用。

通过本课程学习使学生初步具有运用相应理论解决实际问题的能力。

课程主要内容：
本课程总学时40学时，从统计模式识别、聚类分析和模糊模式识别等几个方面介绍模式识别的基本理论和知识,全部课程内容分九章，各章具体内容、学时分配如下：
第一章概述（4 学时）
内容：模式识别分类、系统构成、一些模式识别实用技术和模式识别系统评价方法。

第二章贝叶斯分类方法（4学时）
内容：几种常用的分类决策方法：如基于最小错误率的贝叶斯决策、基于最小风险的贝叶斯决策和最大最小决策等。

介绍分类器设计一般规则。

第三章特征的选择与提取（2学时）
内容：特征的选择原则和基本方法，特征提取对分类的影响分析。

第四章线性判别函数（4学时）
内容：线性分类的基本概念和线性判别函数基本形式，Fisher线性判别方法，支持向量机和多类问题的分类方法。

第五章非线性判别函数（4学时）
内容：非线性的分段线性判别方法，特征空间变换，非线性空间的支持向量机和决策树方法。

第六章人工神经网络（8学时）
内容：神经网络基础，常用神经网络介绍，基于神经网络的模式识别方法。

第七章聚类分析（6学时）
内容：模式的相似性测度，类的定义及类间距和各种聚类算法介绍，如层次聚类算法、动态聚类法和概念合取聚类法等。

第八章模糊模式识别方法（4学时）
内容：模糊集、模糊关系和模糊分类方法。

第九章应用举例（4学时）
内容：介绍国内外最新研究成果和应用实例。

使用教材：
1、《模式识别》，边肇祺，清华大学出版社、1999年；
2、《神经网络模式识别系统理论》，黄德双，电子工业出版社、1996年。

参考书目：
1、《模式识别》，李晶皎，朱志良，王爱侠等译，电子工业出版社、2004年；
2、《现代模式识别》，孙即祥，国防科技大学出版社、2002年。

考试方式：
课程成绩根据学生课堂参与情况、平时作业情况和期末考试成绩综合评定学习成绩，期末考试为专题研究论文或闭卷考试，平时成绩占百分之三十。

教研室意见：
系（院、部）意见：
研究生处审核意见：。