课程简介 模式识别 口任课教师：甘锐 Pattern Recognition ■办公室：理一1511 Email:raygan@pku.edu.cn 信息科学系 口助教：季东 北京大学数学科学学院 Email:sea10873@163.com 口时间/地点：周二7~9，一教103 口课程主页(Under construction) http://www.math.pku.edu.cn/teachers/ganr/co urse/pr 课程简介 课程简介 口课程对象 模式识别是研究用计算机自动识别事物的一门科 ·面向数学科学学院研究生的专业基础课（高年级本科 学，其目的是使用机器完成类似于人类智能通过 生可选)。 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。 口教学目标 口课程主要内容 ■熟练掌握模式识别的基本理论和方法： ■模式识别的概念 ■有效运用所学的模式识别概念和方法解决实际问题： 基本模式识别系统的组成 。为研究新的模式识别的理论和方法打下基础。 模式识别问题的数学表达 解决模式识别问题的基本理论和方法 一些代表性方法/算法 一些最新进展和存在的问题 课程简介 课程简介 口课程内容安排 口先修课程 1.引论（模式识别的概念、系统、基本问题、历史等） ·高等代数、数学分析、概率与统计、程序设计基础 2.贝叶斯决策理论 3.概率密度函数的估计 口相关学科 。人工智能 4. 线性判别函数 ■统计学 5. 非线性判别函数 ■机器学习 6. 特征选择和提取 。运筹学 7. 非监督学习和聚类 ■图像处理、计算机视觉、心理学、语言学
模式识别 Pattern Recognition 信息科学系 北京大学数学科学学院 课程简介 任课教师:甘锐 办公室：理一 1511 Email：raygan@pku.edu.cn 助教：季东 Email：sea10873@163.com 时间/地点：周二 7~9，一教103 课程主页 （Under construction） http://www.math.pku.edu.cn/teachers/ganr/co urse/pr 课程简介 课程对象 面向数学科学学院研究生的专业基础课（高年级本科 生可选）。 教学目标 熟练掌握模式识别的基本理论和方法； 有效运用所学的模式识别概念和方法解决实际问题； 为研究新的模式识别的理论和方法打下基础。 课程简介 模式识别是研究用计算机自动识别事物的一门科 学，其目的是使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。 课程主要内容 模式识别的概念 基本模式识别系统的组成 模式识别问题的数学表达 解决模式识别问题的基本理论和方法 一些代表性方法/算法 一些最新进展和存在的问题 课程简介 课程内容安排 1. 引论（模式识别的概念、系统、基本问题、历史等） 2. 贝叶斯决策理论 3. 概率密度函数的估计 4. 线性判别函数 5. 非线性判别函数 6. 特征选择和提取 7. 非监督学习和聚类 课程简介 先修课程 高等代数、数学分析、概率与统计、程序设计基础 相关学科 人工智能 统计学 机器学习 运筹学 图像处理、计算机视觉、心理学、语言学…
课程简介 课程简介 口教材 口课程讲授、实验演示、平时作业和课堂讨论相结 ·边肇祺，张学工等，《模式识别》（第二版），清华大学 合。 出版社，2000。 口主要教学参考书 口成绩评定： Richard O.Duda,Peter E.Hart,David G. Stok,《模式分类》，机械工业出版社，2005。 ■平时成绩（包括出勤率）：20%： ■J.P.Marques de sa,《模式识别原理、方法及应 ■期中考试（或课程项目）：30%： 用》，清华大学出版社，2002。 ■期末考试：50%。 ·黄风岗，宋克欧，《模式识别》，哈尔滨工业大学出 版社，1999。 Christopher M.Bishop,(Pattern Recognition and Machine Learning》,springer,20o7
课程简介 教材 边肇祺，张学工等，《模式识别》(第二版)，清华大学 出版社，2000。 主要教学参考书 Richard O. Duda, Peter E. Hart, David G. Stork，《模式分类》，机械工业出版社，2005。 J．P．Marques de sa，《模式识别原理、方法及应 用》，清华大学出版社，2002。 黄风岗，宋克欧，《模式识别》，哈尔滨工业大学出 版社，1999。 Christopher M. Bishop,《Pattern Recognition and Machine Learning》，springer，2007。 课程简介 课程讲授、实验演示、平时作业和课堂讨论相结 合。 成绩评定： 平时成绩（包括出勤率）：20%； 期中考试（或课程项目）：30%； 期末考试：50%
