模式识别与机器学习

课程编码：280227081200P1001 英文名称：Pattern Recognition and Machine Learning 课时：60 学分：3.00 课程属性：学科核心课 主讲教师：卿来云等

本课程为计算机应用技术专业硕士研究生的专业核心课，同时也可作为计算机其它专业及电子、自动化等学科研究生的专业普及课。模式识别是研究用机器代替人去识别、辨识客观事物的学科,而机器学习则研究如何构造算法从数据中学习或对数据做出预测。二者均具有系统的理论和方法,并有着千丝万缕的联系，也都在近年来得到了广泛的应用，成为人工智能领域最热门的学科方向之一。本课程将讲述模式识别与机器学习的基本概念、基本理论和方法、关键算法原理以及典型应用情况。预期通过理论讲授与应用案例分析，为本学科研究生今后从事相关方向的深入研究打下坚实的理论基础，为其他学科的研究生应用相关方法和技术提供理论和实践指导。要求学生不仅能够切实掌握本课程的基本理论和方法，并能在解决实际问题时灵活应用所学知识。

高等数学，线性代数，概率论与数理统计

第一章 概述
第1节 课程简介 0学时 卿来云
第2节 模式识别和机器学习的基本概念 0.5学时 卿来云
第3节 模式识别和机器学习发展简史 0.5学时 卿来云
第4节 模式识别和机器学习方法 0.5学时 卿来云
第5节 模式识别和机器学习系统 0.5学时 卿来云
第6节 模式识别和机器学习应用 0.5学时 卿来云
第7节 相关数学基础 0.5学时 卿来云
第二章 生成式分类器
第1节 贝叶斯判别准则 0.5学时 卿来云
第2节 最小风险判别 0.5学时 卿来云
第3节 朴素贝叶斯分类器 0.5学时 卿来云
第4节 概率分布参数估计（极大似然估计和贝叶斯估计） 0.5学时 卿来云
第5节 正态分布模式的贝叶斯分类器 0.5学时 卿来云
第6节 正态分布参数估计（均值和协方差矩阵） 0.5学时 卿来云
第三章 判别式分类器
第1节 判别式分类器 vs. 生成式分类器 0.5学时 卿来云
第2节 线性判别函数 1学时 卿来云
第3节 广义线性判别函数 1学时 卿来云
第4节 分段线性判别函数 0.5学时 卿来云
第5节 Fisher线性判别 1学时 卿来云
第6节 感知器算法 0.5学时 卿来云
第7节 最小平方误差(LMSE)算法 0.5学时 卿来云
第8节 决策树 1学时 卿来云
第四章 特征提取
第1节 特征选择 1学时 卿来云
第2节 特征变换 2学时 卿来云
第五章 统计学习理论基础
第1节 统计学习框架 0.5学时 卿来云
第2节 经验风险与期望风险 0.5学时 卿来云
第3节 测试误差估计 0.5学时 卿来云
第4节 正则化方法 0.5学时 卿来云
第5节 偏差—方差分析 0.5学时 卿来云
第6节 统计学习理论 0.5学时 卿来云
第六章 线性模型
第1节 线性回归模型 1.5学时 卿来云
第2节 逻辑回归模型 1.5学时 卿来云
第七章 支持向量机
第1节 线性支持向量机 0.5学时 卿来云
第2节 软间隔的支持向量机 0.5学时 卿来云
第3节 核方法支持向量机 1学时 卿来云
第4节 支持向量回归 1学时 卿来云
第八章 聚类
第1节 无监督学习与有监督学习对比 0.5学时 卿来云
第2节 距离计算 0.5学时 卿来云
第3节 聚类算法的评价方法 0.5学时 卿来云
第4节 经典聚类方法 1.5学时 卿来云
第九章 降维
第1节 线性降维技术 1学时 卿来云
第2节 全局结构保持降维方法 1学时 卿来云
第3节 局部结构保持降维方法 1学时 卿来云
第十章 半监督学习
第1节 自我训练 0.5学时 卿来云
第2节 多视角学习 0.5学时 卿来云
第3节 生成模型 1学时 卿来云
第4节 S3VMs 1学时 卿来云
第5节 基于图的算法 1学时 卿来云
第6节 半监督聚类 1学时 卿来云
第十一章 概率图模型
第1节 有向概率图模型 1学时 卿来云
第2节 无向概率图模型 1学时 卿来云
第3节 学习和推断 1学时 李国荣
第4节 经典概率图模型（HMM&CRF） 1学时 李国荣
第十二章 集成学习
第1节 Bagging和随机森林 1学时 李国荣
第2节 Boosting和GBDT 2学时 李国荣
第十三章 深度学习及应用
第1节 人工神经网络的生物原型 1学时 李国荣
第2节 生物视觉系统简介 1学时 李国荣
第3节 卷积神经网络CNN源起与概述 1学时 李国荣
第4节 典型卷积神经网络结构 1学时 李国荣
第5节 循环神经网络 1学时 李国荣
第6节 反向传播算法介绍 1学时 李国荣
第7节 深度模型训练技巧 2学时 苏荔
第8节 深度模型应用 2学时 苏荔
第9节 深度学习新进展 2学时 苏荔
第十四章 课程复习
第1节 课程复习 3学时 苏荔
第十五章 期末考试
第1节 期末考试 3学时 苏荔

1.卿来云， 中国科学院大学计算机科学与技术学院，教授，博士生导师。2005年7月在中国科学院研究生院获计算机软件与理论博士学位，自2005年起先后讲授了“机器学习”、“机器学习及案例分析”、“数据压缩”、“图像处理与计算机视觉”以及“模式识别与机器学习”等研究生专业课程。主要研究方向是机器学习、计算机视觉、图像/视频分析与理解，承担多个国家自然科学基金项目和国家863项目，共在包括IEEE Transactions、CVPR、ICCV在内的国内外刊物和会议上发表论文百余篇。
2. 苏荔，中国科学院大学计算机科学与技术学院，教授，博士生导师，中国计算机学会多媒体专委会委员，中国图象图形学学会多媒体专委会委员，中国数字音视频编解码技术标准(AVS)工作组成员。主要研究方向为多媒体计算、模式识别与机器学习等。自2009年起先后主讲了我校“数字图像处理”、“模式识别‘、“模式识别与机器学习”、“多媒体技术”、“图像处理与计算机视觉”等研究生专业课程。
3. 李国荣， 中国科学院大学计算机科学与技术学院，教授，博士生导师，中国科学院青促会会员。主要研究方向为图像与视频分析、多媒体内容分析与检索、模式识别等，已在CVPR、ECCV、ICCV、AAAI、ICDM、ACM Multimedia等相关国际权威会议和期刊上发表论文40余篇。作为项目负责人或研究骨干，参与了包括国家973课题、国家自然基金重点项目、国家自然科学基金国际合作；作为项目负责人，承担了国家自然基金面上和青年项目、中国博士后基金特等多项国家和省部级项目的研究。