模式识别

本课程测绘工程航空航天测绘方向本科学生的专业基础课程。内容包括统计模式识别、模糊模式识别、句法模式识别、智能模式识别四部分。通过学习，使学生掌握模式识别的基本理论和应用方法，并了解模式识别学科的最新发展。本课程是航空航天测绘专业的主干课程，为数字摄影测量、遥感原理与方法等课程的学习提供先行知识，同时为遥感图像智能化处理提供必要的基础。

1授课教师

袁强强，刘汇慧

2前期基础

《概率论与数理统计》，《线性代数》

3课程内容与教学要求

主要教授内容包括：（1）贝叶斯决策理论 （2）判别函数与确定性分类器（3）聚类分析（4）模式特征分析与提取 （5）人工神经网络 （6）支持向量机（7）其他分类方法。

通过以上教学环节，学生应熟悉模式识别的基本理论与方法，掌握贝叶斯决策理论、判别函数与确定性分类器、特征提取过程中的主流方法，重点掌握贝叶斯决策理论的推演过程、聚类分析的相似性测度以及神经网络与支持向量机等非线性分类方法。

4教学方法与手段

课堂多媒体授课；遥感影像分类软件上机实习。

5参考书目

1. 模式识别的理论与方法（第一版），武汉大学出版社，舒宁，马洪超等，2004年
2. Pattern Recognition and Machine Learning, Springer, Christopher Bishop, 2006年；
3. 模式识别，第三版，清华大学出版社，边肇祺、张学工等，2010年。
4. 模式识别导论，第一版 ，国防科技大学出版社，沈清、汤霖，1997年；
5. 模式识别，第二版，Pattern Recognition, Second Edition, Koutroumbas, 2003年；
6. 现代模式识别，第一版，国防科技大学出版社，孙即祥等，2002年；

6学习指南

第一章 绪论

内容：模式识别的基本概念以及组成

重点讲授：完整模型识别系统的组成

第二章 贝叶斯决策理论

第一节 基于最小错误率的贝叶斯判别法

基于贝叶斯公式的几种判别规则

正态分布模式的统计决策

内容：基于最小错误率的贝叶斯决策以及衍生决策方法、正态分布情况下贝叶斯决策的演变过程

重点讲授：最小错误率贝叶斯决策以及正太分布情况下的贝叶斯判别函数

第三章 判别函数与确定性分类器

第一节 线性判别函数与广义线性判别函数

第二节 广义线性判别函数的二分能力

第三节 感知器算法以及最小平房误差算法

内容：多类别分类问题中线性判别函数的构建、感知器算法的基本原理

重点讲授：线性判别函数与感知器算法

第四章 聚类分析

第一节 模式的相似性测度与聚类准则

第二节 常见的聚类算法

内容：类别间聚类判断准则、K均值和ISODATA聚类算法

重点讲授：聚类标准以及K均值聚类算法

第五章 模式特征分析与提取

第一节 描述模式分布状态的测度

第二节 特征选择方法

第三节 特征变换方法

内容：特征变换和选择标准以及方法

重点讲授：K-L变换方法的原理以及特征选择与变换的区别

第八章 人工神经网络

第一节 人工神经网络的基本原理

第二节 反向传播算法

内容：人工神经网络基础、组成以及训练方法

重点讲授：人工神经网络的组成以及误差反向传播算法

第九章 支持向量机

第一节 线性支持向量机的基本原理

第二节 非线性支持向量机与核函数

内容：线性支持向量机的基本原理以及如何将其扩展到非线性分类问题

重点讲授：线性支持向量机、间隔最大化准则以及核函数的作用

第十章 其他分类方法

内容：稀疏表达、深度学习等前沿理论和概念

重点讲授：稀疏表达与深度学习理论用于模型识别的基本原理

6相关资料及学习资源下载

清华大学模式识别课程中心 <a data-cke-saved-href="\" href="\&quot;http://www.klmp.pku.edu.cn/" "="">北京大学机器感知与智能教育部重点实验室网站