（一）理论课程 1．《教育学 A》课程教学大纲 2．《教育心理学 B》课程教学大纲 3．《特殊教育导论》课程教学大纲 4．《教师职业道德》课程教学大纲 5．《现代教育技术》课程教学大纲 6．《现代教育技术》实验教学大纲 7．《课堂语言艺术》课程教学大纲 8．《普通话》课程教学大纲 9．《病理学基础》课程教学大纲 10．《情绪障碍儿童的心理与教育》课程教学大纲 11．《特殊教育课程理论与实践》课程教学大纲 12．《自闭症儿童的心理与教育》课程教学大纲 13．《智力障碍儿童的心理与教育》课程教学大纲 14．《特殊儿童诊断与评估（1、2）》课程教学大纲 15．《特殊儿童家庭教育》课程教学大纲 16．《个别化教育与教学》课程教学大纲 17．《行为矫正技术》课程教学大纲 18．《手语》课程教学大纲 19．《情绪障碍儿童的心理与教育》课程教学大纲 20．《特殊儿童语言训练》课程教学大纲 21．《资源教室方案》课程教学大纲 22．《特殊儿童音乐治疗》课程教学大纲 23．《普通心理学》课程教学大纲 24．《奥尔夫音乐活动设计》课程教学大纲 25．《教育科学研究方法》课程教学大纲 26．《发展心理学》课程教学大纲 （二）实验课程 27．《发展心理学实验》实验教学大纲 （三）实践课程 28．实习教学大纲 29．见习教学大纲 30．特殊教育实习（1）教学大纲 31．特殊教育实习（2）教学大纲 32．特殊教育实习（3）教学大纲 33．特殊教育实习（4）教学大纲

注意力缺陷多动障碍（ADHD）是儿童期最常见的精神疾病之一，在大多数情况下持续到成年期。近年来，基于功能磁共振数据的ADHD分类成为了研究热点。文献中已有的大多数分类算法均假设样本是均衡的，然而事实上，ADHD数据集通常是不平衡的。传统的学习算法会使得分类器倾向于多数类样本，从而导致性能下降。本文研究了基于不平衡神经影像数据的ADHD分类问题，即基于静息状态功能磁共振数据对ADHD进行分类。采用功能连接矩阵作为分类特征，提出了一种基于多目标支持向量机的ADHD数据分类方案。该方案将不均衡数据分类问题建模为具有三个目标的支持向量机模型，其中三个目标分别为最大化分类间隔、最小化正样本误差和最小化负样本误差，进而正负样本经验误差可以被分开处理。然后采用多目标优化的法向量边界交叉法对模型进行求解，并给出一组代表性的分类器供决策者进行选择。该方案在ADHD-200竞赛的五个数据集上进行测试评估，并与传统分类方法进行对比。实验结果表明本文提出的三个目标支持向量机分类方案比传统的分类方法效果好，可以有效的从算法层面解决数据不平衡问题。该方案不仅可用于辅助ADHD诊断，还可用于阿尔茨海默病和自闭症等疾病的辅助诊断