模式识别原理与方法

课程编码：180206085406P2005H 英文名称：Principles and Methods of Pattern Recognition 课时：40 学分：2.00 课程属性：专业核心课 主讲教师：张煦尧等

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的专业学位研究生的核心课。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 2学时 张煦尧
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 2学时 张煦尧
第1节 最小错误率贝叶斯决策
第2节 最小风险贝叶斯决策
第3节 分类器设计
第4节 高斯密度下的判别函数
第三章 概率密度函数估计 2学时 张煦尧
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
第四章 非参数法 2学时 张煦尧
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
第五章 特征提取与选择 4学时 张煦尧
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6节 Adaboost学习方法及其应用
第六章 支持向量机与核方法 4学时 张煦尧
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
第七章 聚类分析 4学时 徐健
第1节 K均值聚类
第2节 高斯混合模型
第3节 层次聚类
第4节 谱聚类
第5节 深度聚类
第八章 决策树方法 2学时 徐健
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
第九章 神经网络基础 4学时 徐健
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
第5节 误差反向传播算法
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
第十章 深度学习模型与方法 4学时 徐健
第1节 深度学习简介
第2节 波尔兹曼机简介
第3节 自编码器
第4节 卷积神经网络
第5节 循环神经网路
第6节 Transformer模型
第十一章 多模态大模型前沿 4学时 徐健
第1节 多模态大模型简介
第2节 多模态基础模型
第3节 大模型预训练
第4节 提示学习
第5节 上下文学习
第6节 大模型微调
第十二章 模式识别前沿趋势 2学时 张煦尧
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 课程答疑、考核
第1节 答疑 2学时 张煦尧
第2节 考试 2学时 徐健

张煦尧简介：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PIEEE, TPAMI, IJCV, TIP, TNNLS, PR或国际会议NeurIPS, ICCV, CVPR, ECCV, IJCAI, AAAI上。担任国际期刊IEEE Trans. Image Processing的Senior Area Editor以及国际期刊Pattern Recognition和Neural Networks的Associate Editor。研究工作得到国家优秀青年科学基金以及科技创新2030重大项目资助，入选中科院稳定支持基础研究青年团队，荣获吴文俊人工智能优秀青年奖以及中科院朱李月华优秀教师奖。

徐健简介： 中国科学院自动化研究所副研究员，研究方向为模式识别、计算机视觉、AI4Science和多模态大模型等。曾在CVPR、ICCV、ECCV、AAAI、TIP、TMM等高水平人工智能领域国际杂志和会议上发表多篇学术论文。曾就职于华为公司和XREAL公司担任人工智能研究人员，具有丰富的项目落地经验，具有多项发明专利。研究工作得到中国科学院战略性先导科技专项、北京市科委和2035创新任务等资助。