- 1、本文档共6页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
天津大学《模式识别2》课程教学大纲.PDF
天津大学《模式识别 2》课程教学大纲
课程代码: 2160265 课程名称: 模式识别 2
学 时: 20 学 分: 1
学时分配: 授课:12 上机: 8 实验: 实践: 实践(周):
授课学院: 计算机学院
适用专业: 计算机科学与技术
先修课程: 高等数学,线性代数,概率统计
一.课程的性质与目的
本课程讲授模式识别的基本理论与基本方法。具体介绍模式识别问题定义,
贝叶斯分类器,错误率估计,概率密度估计,窗方法,线性判别分类器,多类别
分类,紧邻法,支持向量机,人工神经网络,分类树,K 均值聚类,分级聚类等
基础模式识别算法的理论和实际使用方法。
二.教学基本要求
要求学生了解模式识别的基本理论,掌握基本算法原理,能够根据给出的数
据和要求,选择合适的算法,使用现有的软件解决模式识别的模型训练,测试,
性能评价问题。
三.教学内容
第一章:模式识别的问题定义与数据收集
介绍模式识别的问题定义方法,数据形式,模型形式,并指导学生进行一次
实际的数据收集。
实践内容:收集包括身高,体重,性别三个维度的数据,并按照模式识别的
数据要求进行整理
第二章:贝叶斯分类器及其性能评价
介绍贝叶斯分类器,两种错误的概念及其估计,证明最小错误率分类器,介
绍概率密度估计的基本理论,窗估计方法,介绍性能评价体系,交叉验证的概念,
过学习的概念,推广性的概念。
实践内容:利用第一章中收集的数据,建立贝叶斯分类器并进行性能评价。
第三章:线性分类器
介绍线性分类器的基本理论,Fisher 线性判别器,线性分类器的性能评价。
实践内容:利用第一章的数据,建立 Fisher 线性分类器,并进行性能评价。
第四章:人工神经网络和支持向量机简介
介绍人工神经网络的基本概念和算法,反向传播(BP)训练算法,支持向量
机基本概念和算法。简单介绍统计机器学习理论(SLT)的最基本概念:VC 维,
泛化能力,模型选择定理。
实践内容:利用第一章中的数据,建立人工神经网络和支持向量机模型,并
进行性能评价。
第五章:紧邻法
介绍紧邻法的基本理论和方法,紧邻法的错误率边界定理,紧邻法的实现技
术,紧邻法在应用上的优势与局限,稀疏性问题。
实践内容:利用第一章中的数据,建立紧邻法分类模型并进行性能评价
第六章:分类树
介绍分类树的基本理论和方法,介绍 C4.5 算法的理论与实现。
实践内容:利用第一章中的数据,建立分类树模型并进行性能评价。
第七章:聚类
介绍聚类与无监督学习的基本理论和方法,介绍 K 均值聚类,分级聚类的理
论与实现。简单介绍K 均值聚类算法的局限和改进算法。简单介绍半监督学习的
基本方法。
实践内容:利用第一章中的数据,建立聚类模型,并进行模型评价
第八章:分类器组合与在线算法
介绍分类器组合的基本理论和基本算法,介绍 Logistic 和 semi-logistic
回归技术,AdaBoost 技术,Bagging 和 BootStrap 技术,介绍模型训练的在线算
法的基本概念和实现算法在线化的基本方法。
实践内容:利用第一章中的数据,建立组合分类器,并进行模型评价
四.学时分配
教学内容 授课 上机 实验 实践 实践(周)
第一章 1 1
第二章
文档评论(0)