简介
这是从2016年秋季学期开始的一门研究生专业选修课。主要以“PPT讲解+实际数据操作+小组讨论”形式来完成学习。最终提交一篇课程论文，作为考核材料。
2016年秋季只有我的两个研究生选修。
目标
多数研究生没有接触过模式识别，因此讲解内容偏重于基本概念原理和基本方法，主要讲授模式识别框架，基于距离测度的模式分类，基于统计决策的模式分类，基于判别模式的模式分类，非监督分类；练习数据将采自实际模式应用中的现实数据，要求最终方法和程序满足实际需求；小组讨论将以学生讲解某一专题或者其所做数据项目为主；课程PPT内容采用英文，主要目的是顺便熟悉相关的专业词汇，以便于进一步搜索与阅读相关的英文资料，但讲解采用中文。
主要内容（不断更新中）
- Introduction PPT
- Distance measures for pattern classification_partI PPT
- Distance measures for pattern classification_partII PPT
- Probability measures for pattern classification_partI PPT
- Probability measures for pattern classification_partII PPT
- Estimation and Learning_partI PPT
- Estimation and Learning_partII ppt
- Discrimination function for pattern classification PPT
- PCA ppt
- Logistic Regression ppt
- to be continued ….
digital number image set: dataset
课程论文模板 模板
上课时间与地点
花溪校区大数据与计算机科学学院6402, 每周三下午2:00-4：00
其他上课前注意事项
- 携带笔记本电脑
- 下载课程ppt和数据集(QQ传给你们)预习
- 先做好数据集中图片的预处理，即（1）通过重采样将所有样本图片变为相同的尺寸大小。（2）统一为灰度图片。(3) 课前演示上次课所讲分类器的训练结果
- 课前提交书面分类结果与分析（包括，3个基本分类器（ED分类器，MICD分类器，高斯最大后验分类器）间的性能比较；数字图像大小归一化操作对性能的影响；图像归一化大小数值对性能的影响；）请使用交叉验证指标进行分析。