2023S01106-模式识别与机器学习实验-2023版人才培养方案课程教学大纲.docxVIP

PAGE3

ADDINCNKISM.UserStyle《模式识别与机器学习实验》课程教学大纲

（实验课程·2023版）

一、课程基本信息

课程号

2023S01106

开课单位

网络空间安全与计算机学院

课程名称

模式识别与机器学习实验

ExperimentsforPatternRecognitionandMachineLearning

课程性质

选修

考核类型

考查

课程学分

1

课程学时

34

课程类别

专业发展课程（专业拓展课）

适用专业（类）

计算机科学与技术

二、课程描述及目标

（一）课程简介

《模式识别与机器学习实验》是配合计算机科学与技术专业课程《模式识别》开设的实验课程。要求学生在理解模式识别理论及方法的基础上，应具有设计、实现、分析和维护模式识别等方面的能力。

（二）教学目标

通过本实验课程的训练，使学生熟练掌握模式识别的基本原理和方法，加深对各方法涉及的基础知识的认识，强化编程技能，培养创新能力。

课程目标1：理解模式识别系统的结构、工作流程以及各组成部分的设计原理和实现技术；

课程目标2：掌握模式识别系统各部分的设计和实现技术，包括分类器的设计与实现、特征提取方法及其实现；

课程目标3：培养学生综合运用所学的程序设计、数据结构等知识，进行模式识别系统开发的能力。

三、课程目标对毕业要求的支撑关系

毕业要求指标点

课程目标

1-3：能够将相关工程专业知识和数学分析方法用于推演、分析计算机科学与技术、信息安全领域复杂工程问题

课程目标1

课程目标2

2-1：能运用相关科学原理，识别和判断计算机科学与技术、信息安全领域中复杂工程问题的关键环节

课程目标2

3-1：掌握计算机科学与技术、信息安全领域工程设计和产品开发全周期、全流程的设计/开发方法和技术，了解影响设计目标和技术方案的各种因素

课程目标2

4-4：能对实验结果进行分析和解释，并通过信息综合得到合理有效的结论

课程目标2

课程目标3

5-2：能够选择与使用恰当的技术、资源、现代工程工具、现代信息技术工具和相关辅助软件对计算机科学与技术、信息安全领域的复杂工程问题进行分析、计算与设计

课程目标1

课程目标2

课程目标3

四、教学方式与方法

教学方式：学生动手实验为主，辅以适当的提问、小组讨论及实验点评等。

教学方法：探讨式教学、启发式教学、实验教学相结合；实验设计、研究设计、答辩等环节教学尝试基于任务的学习（TBL）教学模式。

五、教学重点与难点

（一）教学重点

理解模式识别系统的基本原理，掌握模式识别中Bayes分类器、Parzen窗估计与KN近邻估计、最近邻方法和C均值聚类算法、特征提取等，学会使用相应工具进行模式识别方法的设计与实现，从而进一步理解模式识别课程中所讲授的理论知识。

（二）教学难点

非线性分类器、基于K-L变换的实现、特征提取方法。

六、实验内容、基本要求与学时分配

序号

实验项目名称

实验内容与要求

学时

类型

对应课程目标

1

Bayes分类器设计

产生正态分布数据集，并设计Bayes分类器。要求如下：

1．产生二维正态分布模式，并将产生的样本集随机地分为训练集和测试集；

2．分别设计最小错误率的Bayes分类器和最小风险Bayes分类器，并对测试集进行分类，观察代价函数的设置对分类结果的影响；

3．统计错分概率。

4

设计性

课程目标1

课程目标2

课程目标3

2

利用最大似然估计法估计概率密度函数

生成二维正态分布数据集，设计实现正态分布中的参数。要求如下：

1．产生二维正态分布模式；

2．用最大似然估计法估计模式的分布参数。

4

设计性

课程目标1

课程目标2

课程目标3

3

利用Parzen窗估计与KN近邻估计法估计概率密度函数

Parzen窗估计和KN近邻估计是两种非参数估计方法，主要通过样本直接估计概率密度函数。要求如下：

1．产生二维正态分布模式；

2．用Parzen窗法和KN近邻法估计概率密度。

4

设计性

课程目标1

课程目标2

课程目标3

4

支持向量机算法

实现支持向量机算法，构造相应的分类器。要求如下：

在UCI数据库中，选取两类数据集，将其分为训练集与测试集，利用训练集构造分类器。

利用构造的分类器对测试集进行测试，并计算错误率。

6

设计性

课程目标1

课程目标2

课程目标3

5

反向传播算法

针对异或数据集，利用BP网络对该数据集分类。要求如下：

用1与0分别表示真与假，或用1与-1分别表示真与假，使用该数据集，通过BP学习算法训练神经网络；

输出神经网络收敛后权值与阈值。

4

设计性

课程目标2

课程目标3

6

k-近邻算法

编写k-近邻算法程序，要求能对实际模式样本进行分类。要求如下：

1．在程序注解中，写出程序的输入、输出、算法描述、变量说明；

2．将已知类别的样本集分为