中文名: 模式識別
英文名: Pattern Recognition
資源格式: 光盤鏡像
學校: 中科院 研究生院
主講人: 黃慶明
版本: 中科院研究生課程
發行日期: 2010年
地區: 大陸
對白語言: 普通話
文字語言: 簡體中文
簡介:

導師介紹
◇ 主要經歷： 　　1984-1988年 哈爾濱工業大學獲計算機系計算機軟件專業 本科 　　1988-1991年 哈爾濱工業大學獲計算機系計算機應用專業 碩士（直接攻博） 　　
1991-1994年 哈爾濱工業大學獲計算機系計算機應用專業 博士 　　
1994-1997年 哈爾濱工業大學計算機系 教師 　　
1995-1996年 新加坡國立大學工學院 博士後 　　
1996-2000年 新加坡資訊與通信研究院 副研究員 　　
2000-2002年 新加坡資訊與通信研究院 研究員 （期間曾赴加拿大多倫多大學進行訪問研究，並在美國SGI公司Alias|Wavefront子公司任高級工程師） 　　
2002-2003年 新加坡威實錄科技公司 首席工程師。 　　
2003-現在 中國科學院研究生院 教授，博士生導師 　　
中國科學院計算技術研究所 研究員（客座），博士生導師 　　
◇ 研究方向： 　　
在多媒體方面的研究主要涉及多媒體視頻分析，視頻編碼和壓縮，視頻轉碼技術等；在圖像處理與模式識別方面的研究主要涉及彩色圖像處理，圖像分割與識別，神經網絡等；在計算機視覺方面的研究主要涉及計算機立體視覺，機器人視覺等。應用領域涉及多媒體傳輸與應用，體育視頻分析與檢索，視頻監控，智能交通等。
教學目的、要求
本課程為計算機應用技術專業碩士研究生的專業基礎課，同時也是電子科學與技術學科研究生的專業基礎課。模式識別是研究用機器代替人去識別、辨識客觀事物的學科；它是近幾十年來得到迅速發展而形成的具有系統理論和方法並得到廣泛應用的學科。本課程著重講述模式識別的基本概念，基本方法和算法原理，注重理論與實踐緊密結合，通過大量實例講述如何將所學知識運用到實際應用之中，避免引用過多的、繁瑣的數學推導。由於模式識別的具體應用十分復雜，目前的一些理論和方法能解決的問題十分有限，因此其理論和方法在不斷發展和完善之中，需要科學工作者去發展它、完善它。要求學生掌握本課程的基本理論和方法並能在解決實際問題時得到有效地運用，同時為開發研究新的模式識別的理論和方法打下基礎。
預修課程
線性代數，統計數學，最優化技術，圖像處理。
教材
參考用書
主要參考書： 1. 蔡元龍，《模式識別》，西北電訊工程學院出版社，1985。 2. 邊肇琪等，《模式識別》（第二版），清華大學出版社，北京，2000。 3. J.P.Marques de Sa, Pattern Recognition Concepts, Methods and Applications, USA, 2002.
課件參考這裡：http://nlpr-web.ia.ac.cn/html/2007/3/20070305153832.htm

1.由於面向的人群比較小，我做成ISO文件，一是方便大家下載和觀看，請不要解壓 用虛擬光驅打開 這樣可以幫助做資源，較長時間的保存這個資源.又可避免占據大量磁盤空間
2 中科院的這套視頻質量非常高，內容非常專業，不次於國外的大學，而且更適合國內學生。
涉及到經濟 管理 理工 多大1000門以上，中科院的空中課堂鏈接：http://210.76.200.32/
中科院研究生課程和中科大精品課程-VeryCD U資源索引
http://home.VeryCD.com/space.php?uid=28205...id=54132
對這方面有興趣的同學 可以加這兩個QQ群：
67811832 : 圖像識別 模式識別 計算機視覺
目錄:
內容提要：
第一章 概論 模式和模式識別的概念，模式識別簡史和應用，模式識別的方法，模式識別系統，相關數學准備。。
第二章 聚類分析 距離聚類的概念，聚類准則，基於試探的聚類搜索算法，系統聚類法，動態聚類法。
第三章 判別函數 線性判別函數，廣義線性判別函數，分段線性判別函數，模式空間和權空間，感知器算法，采用感知器算法的多模式的分類，勢函數。
第四章 統計判別 貝葉斯判別准則，最小風險判別，正態分布模式的貝葉斯分類器，均值向量和協方差矩陣的參數估計。
第五章 特征選擇和提取 模式類別可分性的測度，特征選擇，離散K-L變換 第六章 神經網絡 人工神經網絡概述，人工神經網絡基礎，前饋神經網絡，反饋神經網絡，隨機神經網絡，自組織神經網絡，人工神經網絡的應用開發設計。