教学目的、要求
本课程为计算机应用技术专业硕士研究生的专业基础课，同时也是电子科学与技术学科研究生的专业基础课。模式识别是研究用机器代替人去识别、辨识客观事物的学科；它是近几十年来得到迅速发展而形成的具有系统理论和方法并得到广泛应用的学科。本课程着重讲述模式识别的基本概念，基本方法和算法原理，注重理论与实践紧密结合，通过大量实例讲述如何将所学知识运用到实际应用之中，避免引用过多的、繁琐的数学推导。由于模式识别的具体应用十分复杂，目前的一些理论和方法能解决的问题十分有限，因此其理论和方法在不断发展和完善之中，需要科学工作者去发展它、完善它。要求学生掌握本课程的基本理论和方法并能在解决实际问题时得到有效地运用，同时为开发研究新的模式识别的理论和方法打下基础。
预修课程
线性代数，统计数学，最优化技术，图像处理。
教材

主要内容
内容提要： 第一章 概论 模式和模式识别的概念，模式识别简史和应用，模式识别的方法，模式识别系统，相关数学准备。。 第二章 聚类分析 距离聚类的概念，聚类准则，基于试探的聚类搜索算法，系统聚类法，动态聚类法。 第三章 判别函数 线性判别函数，广义线性判别函数，分段线性判别函数，模式空间和权空间，感知器算法，采用感知器算法的多模式的分类，势函数。 第四章 统计判别 贝叶斯判别准则，最小风险判别，正态分布模式的贝叶斯分类器，均值向量和协方差矩阵的参数估计。 第五章 特征选择和提取 模式类别可分性的测度，特征选择，离散K-L变换 第六章 神经网络 人工神经网络概述，人工神经网络基础，前馈神经网络，反馈神经网络，随机神经网络，自组织神经网络，人工神经网络的应用开发设计。