《支持向量机》课程教学大纲

1、支持向量机课程教学大纲 课程编码：171120061课程性质：专业方向任选课程教学对象： 数学与信息科学系本科学时学分： 32学时 2 学分编写单位： 数学与信息科学系一、课程说明1、课程简介课程是数学与信息科学系各专业高年级本科生的一门选修课程，是研究支持向量机的基本理论和方法、应用。基础内容是讲解模式识别的基础知识，就是利用计算机对某些物理现象进行分类，在错误概率最小的条件下，使识别的结果尽量与事物相符。这门课的教学目的是让学生掌握统计分类的基本原理和方法。本课程的主要任务是，通过对支持向量机的基本理论和方法、运用实例的学习，使学生掌握模式识别的基本理论与方法，培养学生利用支持向量机方法、

2、运用技能解决本专业及相关领域实际问题的能力，为将来继续深入学习或进行科学研究打下坚实的基础。2、教学目的要求 通过各教学环节，本课程应达到下列要求：认识支持向量机的目的和意义，了解分类的过程；理解统计分类法的基本思想，掌握几何分类法和概率分类法的几种典型算法；理解聚类分析的的基本思想，掌握聚类分析的几种典型算法。3、教学重点难点重点：设计获取信息的手段，选择要识别事物的描述方法以及进行分类器设计。难点：各种方法的应用。 4、考核方式 考查课期末成绩占总成绩的60，平时作业成绩占总成绩的40。5、课程学时分配表 章次教学内容讲授课学时数讨论(习题)课学时数一第一章 支持向量机引论20二Bayes

3、决策理论6三概率密度函数的估计6四线性判别函数82五非线性判别函数20六特征的选择与提取6七总计共32学时302二、各部分教学纲要第一章 支持向量机概述（2学时）教学目标1、了解支持向量机的相关常识与概念，以及一些基本问题；2、了解支持向量机这门课的主要研究内容。本章重点 支持向量机的相关常识与概念本章难点 对回归基本概念的记忆，区分1支持向量机和模式识别中的相关概念。2模式识别系统。3支持向量机中的的一些基本问题。4.支持向量机应用与发展述评。第二章 贝叶期斯决策理论（6）教学目标1掌握几种常用的决策规则；2掌握正态分布时的统计决策；3了解序贯分类法，分类器的设计。本章重点 几种常用的决策规

4、则；正态分布时的统计决策；本章难点 正态分布时的统计决策；2.1、几种常用的决策规则2.2、正态分布时的统计决策2.3、本章小结与评注第三章 概率密度函数的估计（6学时）教学目标1、掌握参数估计的基本概念2、掌握正态分布的监督参数估计和非监督参数估计的方法3、了解非参数技术的基本方法4、熟悉分类器错误率的估计问题本章重点 正态分布的监督参数估计和非监督参数估计的方法本章难点 分类器错误率的估计问题3.1 参数估计的基本概念3.2 正态分布的监督参数估计3.3 非监督参数估计第四章 线性判别函数（8学时）教学目标1、理解Fisher线性判别、感知准则函数；2、理解最小错分样本数准则、最小平方误差

5、准则函数；3、理解随机最小错误率线性判别准则函数、多类问题。本章重点 Fisher线性判别、感知准则函数本章难点 随机最小错误率线性判别准则函数、多类问题4.1线性判别函数的基本概念， 4.2 Fisher线性判别4.3感知准则函数4.4最小错分样本数准则4.5分类问题第五章 非线性判别函数（2学时）教学目标1、了解分段线性判别函数的基本概念；2、理解凹函数的并表示分段线性判别函数；3、了解二次判别函数；本章重点 分段线性判别函数的基本概念；设计分段线性分类本章难点 设计分段线性分类5.1分段线性判别函数的基本概念5.2凹函数的并表示分段线性判别函数第六章 特征选择与提取（6学时）教学目标1、了解特征提取中的基本概念；2、掌握类别可分离性判据；3、掌握特征提取与选择；4、了解特征的几种新方法。本章重点 类别可分离性判据本章难点 特征提取与选择5.1基本概念5.2类别可分离性判据5.3特征选择5.4 特征选择的几种新方法教学参考书：1 模式识别（第2版），边肇祺、张学工 等，清华大学出版社，2002.32