模式识别理论及应用 Pattern Recognition - Methods and Application

武汉大学电子信息学院 IPL 模式识别理论及应用Pattern Recognition - Methods and Application 王文伟 WANG Wenwei, Dr.-Ing. Tel: 687-78652 Email: wangww@eis.whu.edu.cn Web: http://ipl.whu.edu.cn/sites/ced/eceem/prnn/

课程简介 • 本课程是电子与通信工程专业工程硕士研究生的专业选修课。 • 模式识别是研究用计算机自动识别事物的一门科学，其目的是用机器完成类似于人类智能通过视觉、听觉等感官去识别外界环境所进行的工作，它包括语音识别、图像识别等典型应用。人工神经网络是一种基于大量神经元广泛互联的数学模型，具有自学习、自组织、自适应的特点，与模式识别有密切的关系，在优化计算，信号处理，智能控制等众多领域也得到广泛的应用。 • 本课程主要介绍统计模式识别，神经网络与模糊模式识别的理论与方法及其相关应用。要求学生了解模式识别的基本概念，掌握基本原理和基本方法；了解计算机分类识别事物和计算机分析数据的概念及基本方法，了解神经元网络和模糊数学的原理及其在模式识别中的应用。 • 先修课程：线性代数，概率论与数理统计，程序设计基础武汉大学电子信息学院

教材与教学参考书 • 模式识别(第二版)，边肇祺，张学工等，清华大学出版社， 2000 • 模式识别原理、方法及应用，J．P．Marques de sa，清华大学出版社，2002。 • 模式识别，杨光正等，中国科学科技大学出版社，2003。 • Neural Network Design，Martin T.Hagan，机械工业出版社，2002。 • 神经网络模式识别及其实现，潘蒂（美），电子工业出版社，1999。 • 林学訚，清华大学网络课程“模式识别”：http://source.cer.net/gjpxw/thujsj/016/ 武汉大学电子信息学院

主要期刊和会议 • IEEE Trans. on PAMI, NN • Pattern Recognition • Pattern Recognition Letter • Machine Learning • Neural Computation • ICPR, CVPR, ICMI, ICDAR, ICASP, IWFHR • 模式识别与人工智能武汉大学电子信息学院

课程内容目录 • 1．模式识别概述 3 • 2． Bayes决策理论 6 • 3．概率密度函数的估计 6 • 4．线性判别函数 6 • 5．邻近法则 3 • 6．非监督学习与聚类方法 3 • 7．特征的选择与提取 6 • 8．神经网络 9 • 9．统计学习理论和支持向量机 6 • 10．模糊模式识别 3 • 11. 应用举例 3 武汉大学电子信息学院

课程网站 http://ipl.whu.edu.cn/sites/ced/eceem/prnn 武汉大学电子信息学院

教学方式 • 讲课，课堂实验演示，研究报告，讨论 • 课堂实验演示内容：包括统计模式识别与神经网络模式识别设计（Matlab与Java程序） • 考查内容包括作业和课程报告，作业和课堂练习占总成绩的10%，课程报告占总成绩的30%。 • 期末考试占总成绩的60%。 • 总成绩 = 考试成绩 * 0.6 + 考查成绩 * 0.4 武汉大学电子信息学院

模式识别理论及应用 Pattern Recognition - Methods and Application