模式识别与神经网络.pptVIP

模式识别与神经网络Pattern Recognition and Neural Network 王文伟 WANG Wenwei, Dr.-Ing. Tel: 687-54552 Email: wangww@ Web: /sites/ced/prnn/ 课程简介 本课程是通信与信息系统、信号与信息处理专业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 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”：/gjpxw/thujsj/016/ 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 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 课程网站 /sites/ced/prnn 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） 两次课堂练习（各10%，基础知识部分） 自学及研究报告（40%） 期末考试（40%） *武汉大学电子信息学院 * 武汉大学电子信息学院 *武汉大学电子信息学院