模式识别

课程编码：180206081100M1001H-01 英文名称：Pattern Recognition 课时：60 学分：3.00 课程属性：学科核心课 主讲教师：向世明等

本课程为人工智能、控制科学与工程、计算机科学与技术等学科研究生的专业核心课。通过本课程的教学，学生能够系统地掌握模式识别的基本概念、模式分类的基本理论、经典方法及其算法原理，了解模式识别最新研究成果和前沿研究动态；同时，培养学生在模式识别及其应用领域的研究兴趣和技术开发能力。
通过本科课程的学习，学生应能编程实现经典模式分类方法，具备可进一步开展模式识别基础理论与方法研究和从事相关应用技术开发的知识基础。

概率论与数理统计、高等数学、线性代数

第一章 绪论 3学时 向世明
第1节 模式识别基础
第2节 模式识别系统流程
第3节 模式识别系统设计
第4节 模式识别方法分类
第5节 本课程内容体系
第二章 贝叶斯决策理论 3学时 向世明
第1节 两类的例子
第2节 最小错误率贝叶斯决策
第3节 最小风险贝叶斯决策
第4节 分类器设计
第5节 高斯密度下的判别函数
第6节 错误率分析
第7节 离散变量的贝叶斯决策
第8节 复合模式分类
第三章 概率密度函数估计 6学时 张燕明
第1节 基本概念
第2节 最大似然估计
第3节 贝叶斯估计
第4节 正态分布下的贝叶斯估计
第5节 贝叶斯学习
第6节 特征维数问题
第7节 期望最大法（EM）
第8节 隐马尔可夫模型
第四章 非参数法 3学时 张燕明
第1节 密度估计
第2节 Parzen窗方法
第3节 K近邻估计
第4节 最近邻分类器
第5节 K近邻分类器的改进
第6节 距离度量
第五章 线性分类器设计 3学时 张燕明
第1节 引言
第2节 线性判别函数与决策面
第3节 广义线性判别函数
第4节 感知准则函数
第5节 松驰方法
第6节 线性最小二乘方法
第7节 多类线性判别函数
第六章 神经网络和深度学习 9学时 张燕明
第1节 人工神经网络发展历程
第2节 人工神经网络基础
第3节 单层前馈神经网络
第4节 多层感知器与误差反向传播算法
第5节 BP算法讨论
第6节 反馈神经网络
第7节 径向基函数网络
第8节 自组织映射
第9节 深度学习简介
第10节 波尔兹曼机简介
第11节 自编码器
第12节 卷积神经网络
第13节 Recurrent Neural Network
第七章 特征提取与选择 6学时 张燕明
第1节 维数灾难
第2节 特征提取
第3节 线性方法
第4节 非线性方法
第5节 特征选择
第八章 模型选择 3学时 张燕明
第1节 模型选择原则
第2节 模型评价标准
第3节 基于偏差和方差的分类器设计准则
第4节 分类器集成
第5节 Adaboost学习方法及其应用
第九章 聚类分析 6学时 张燕明
第1节 K均值聚类
第2节 模糊K均值聚类
第3节 层次聚类
第4节 谱聚类
第5节 在线聚类
第6节 集成聚类
第十章 支持向量机与核方法 6学时 向世明
第1节 结构风险、经验风险与VC维
第2节 线性可分支持向量机与硬间隔最大化
第3节 线性支持向量机与软间隔最大化
第4节 非线性支持向量机
第5节 支持向量机的优化与扩展
第十一章 决策树方法 3学时 向世明
第1节 决策树模型、学习与特征选择
第2节 决策树生成与剪枝（ID3, C4.5, CART等算法）
第3节 随机森林算法
第十二章 模式识别前沿趋势 3学时 向世明
第1节 课程内容总体回顾
第2节 模式识别发展现状与新动态
第3节 模式识别中的挑战性问题
第十三章 考核 6学时 向世明
第1节 考试+答疑

向世明简介：中国科学院自动化研究所研究员，中国科学院大学人工智能学院岗位教授，博士生导师，研究方向为模式识别、机器学习、计算机视觉。迄今已在高水平国际期刊或主流会议上发表论文200余篇，部分研究工作发表在人工智能领域国际杂志IEEE T-PAMI、IEEE T-IP、IEEE T-NNLS、IEEE T-KDE、IEEE T-SMC-B、IEEE T-MM、IEEE T-CSVT、IEEE T-GRS、IEEE T-ITS、IJCV、Pattern Recognition (PR)、或国际会议NeurIPS、ICCV、CVPR、ECCV、IJCAI、AAAI、ACM MM、ACM KDD、EMNLP上。
孟高峰简介：中国科学院自动化研究所研究员，中国科学院大学人工智能学院岗位教授，博士生导师，研究方向为模式识别、机器学习、计算机视觉。迄今已在高水平国际期刊或主流会议上发表论文90余篇，部分研究工作发表在人工智能领域国际杂志IEEE T-PAMI、IJCV、IEEE T-IP、IEEE T-NNLS、IEEE T-MM、IEEE T-CSVT、Pattern Recognition (PR)、或国际会议NeurIPS、ICCV、CVPR、ECCV、IJCAI、AAAI上。
张煦尧简介：中国科学院自动化研究所研究员，国家优青，中国科学院大学人工智能学院岗位教授，博士生导师，研究方向为模式识别、机器学习、计算机视觉。迄今已在高水平国际期刊或主流会议上发表论文80余篇，部分研究工作发表在人工智能领域国际杂志IEEE T-PAMI、IEEE T-IP、IEEE T-NNLS、IEEE T-CSVT、IEEE T-ITS、IJCV、Pattern Recognition (PR)、或国际会议NeurIPS、ICCV、CVPR、ECCV、IJCAI、AAAI、ICDM上。
张燕明简介：中国科学院自动化研究所副研究员，硕士生导师，研究方向为模式识别、机器学习、计算机视觉、文档图像理解。迄今已在高水平国际期刊或主流会议上发表论文30余篇，部分研究工作发表在人工智能领域国际杂志IEEE T-PAMI、IJCV、IEEE T-NNLS、IEEE T-MM、IEEE T-SMC、Pattern Recognition (PR)、或国际会议NeurIPS、ICLR、ECML、AAAI、MICCAI、ICDM上。