《机器学习与模式识别》课程教学大纲

ADDINCNKISM.UserStyle《机器学习与模式识别》课程教学大纲（理论课程）一、课程基本信息课程号1323S08004开课单位电子信息工程学院课程名称（中文）机器学习与模式识别（英文）MachineLearningandPatternRecognition课程性质必修考核类型考试课程学分2课程学时34课程类别专业发展课程（专业核心课）先修课程高等数学、线性代数、MATLAB程序设计语言适用专业（类）智能医学工程二、课程描述及目标（一）课程简介《机器学习与模式识别》课程是本专业（类）的一门专业基础课程。本课程全面讲授模式识别与机器学习的基本概念与典型算法，以医学信号处理、医学图像处理中的问题为典型应用，培养学生对人工智能的研究兴趣，为继续从事模式识别与机器学习方向的科学研究与工程应用打下坚实的基础。本课程注重理论教学与实验的结合，注重学生实践能力的培养，单独设立实验上机来巩固学生对于不同机器学习算法的理解，通过实验锻炼学生对于建立模式识别与机器学习模型在各个环节上的动手能力，实验还将以智能医学系统的应用问题为实例，使学生全面了解模式识别与机器学习的正确运用，在实际项目的研究中跟踪前沿的机器学习算法，思想，应用等，为学生从事智慧医学工程下一步相关研究工作或在实践项目中的应用打下坚实的基础。（二）教学目标通过本课程，学生将学会在计算机环境下运用模式识别与机器学习方法分析和解决实际问题的基本方法。课程目标1：通过本课程的学习使学生掌握机器学习与模式识别理论知识,并能够针对智能医学系统里的应用问题设计算法。课程目标2：通过本课程的学习使学生掌握机器学习与模式识别算法的评价方法。课程目标3：通过本课程的学习使学生将机器学习与模式识别算法与医学应用有机结合。课程目标4：通过本课程的学习，促进学生阅读机器学习与模式识别文献，研究智能医学领域前沿问题。三、课程目标对毕业要求的支撑关系毕业要求指标点课程目标权重4-1：能够对智能医学系统相关的各类现象和特性进行分析和研究，明确系统测试目标。课程目标150%4-3：能够对实验结果，采用科学方法进行分析和解释，并通过信息综合得到合理有效的结论。课程目标230%11-2：能够在多学科环境中应用工程管理原理和经济决策方法进行工程设计与实践。课程目标310%12-2：能针对个人或职业发展的需求，掌握自主学习的方法，了解拓展知识和能力的途径,适应发展。课程目标410%四、教学方式与方法以课堂多媒体教学为主，课堂演示和讲解相结合，辅以自学、答疑和计算方法实验（独立设置实验课）。课堂采用启发式教学和实例教学，并将教学的重点放在培养学生编程思维以及运用工具解决实际问题的能力上。另外，通过师生互动，双向交流，激发学生主动学习的热情，让他们成为教学中的主体。五、教学重点与难点（一）教学重点判别函数、贝叶斯决策理论、支持向量机，人工神经网络。（二）教学难点广义判别函数与非线性判别函数、线性不可分支持向量机的概念和求解方法、BP算法。六、教学内容、基本要求与学时分配序号教学内容基本要求学时教学方式对应课程目标1第一章绪论明确模式识别与机器学习的含义，理解几类典型机器学习系统的计算流程,了解部分前沿研究方向，体会模式识别与机器学习领域的魅力。2讲授课程目标42第二章判别函数掌握判别函数，线性判别函数，广义判别函数与非线性判别函数的基本概念。掌握线性判别函数的性质。4讲授课程目标1课程目标33第三章分类器设计通过本章的学习，使同学掌握：线性分类器的设计，分段线性分类器的设计，非线性分类器的设计。4讲授课程目标1课程目标34第四章贝叶斯决策理论掌握解贝叶斯分类器，正态分布决策理论，最大最小判别准则。掌握分类的错误率分析方法。6讲授课程目标1课程目标35第五章参数估计与非参数估计掌握参数估计与非参数估计，监督学习与非监督学习的概念。掌握参数估计理论，掌握非参数估计理论。6讲授课程目标1课程目标36第六章聚类分析掌握系统聚类，分解聚类，动态聚类的概念和方法。4讲授课程目标1课程目标2课程目标37第七章支持向量机掌握线性支持向量机，线性不可分支持向量机的概念和求解方法。4讲授课程目标1课程目标2课程目标38第七章人工神经网络掌握感知器算法，BP算法。4讲授课程目标1课程目标2课程目标3合计34七、学业评价和课程考核（一）考核类型：√考试考查（二）考核方式：开卷考试√闭卷考试课程论文课程报告其它：（三）成绩评定：考核依据建议分值（百分比）考核/评价细则对应课程目标平时考核30%作业10%考察学生对上课内容的理解和掌握情况，并对学生对基础知识的掌握情况进行考察。课程目标1课程目标2课程目标3课程设计10%考察学生应用模式识别与机器学习算法解决实际问题的能力。课程目标1课程目标2课程目标3课程目标4小测10%考察学生对基础知识的理解和掌握情况，并对学生灵活应用所学知识进行考察。课程目标1课程目标2课程目标3期末考核70%主要题型为：选择题、填空题、简答题、计算题、证明题和综合讨论题，主要考核学生掌握利用基础理论知识，分析问题的能力。课程目标1课程目标2八、程目标的实际达成效果计算方式如下，达成值越高，教学效果越好。考核依据建议分值（百分比）考核/评价细则对应课程目标平时考核30%作业10%考核学生对基本概念和基本理论的理解深度与广度，以书面的形式提交。围绕主要章节的重要知识点和内容，共计7次作业，15道题，对于计算题通过分析计算给出所提问题的答案；对于主观题，通过调研形成自己的设计方案。每道计算题完成度的评价分为三个等级：A：2分：计算结果正确，逻辑清晰；B：1分：有正确的计算结果，但无中间计算过程；C：0分：计算结果错误，中间过程逻辑混乱得0分。每道主观设计题完成度的评价分为三个等级：A：2分：所提方案合理，步骤清晰，问题之间存在清晰的逻辑并列或递进关系，，能够融合多学科只是，具有突出的综合应用能力；B：1分：所提方案欠佳，但问题之间缺少紧密联系，具有一定的多学科知识综合交叉能力；C：0分：所提问题题目无关，提问给0分，无论是否回答正确都给0分。课程目标1课程目标2课程目标3课程设计10%考核学生运用基本概念和基本理论解决智能医学领域前沿问题，以及自主学习能力。由教师命题，学生分组，每组3-5人，完成课程设计与报告。课程设计评价分为设计评价和报告评价。设计评价分为四个等级6分：发完成设计，达到预期性能指标。5分：发完成设计，未达到预期指标。3分：完成部分设计。0分：未完成设计。报告评价分为四个等级4分：报告格式规范，逻辑严谨。3分：报告格式不规范，逻辑严谨。2分：报告逻辑不严谨。0分：未提交报告。课程目标1课程目标2课程目标3课程目标4小测10%考核学生对基本概念和基本理论的理解深度与广度，以及灵活应用机器学习及模式识别算法的能力。小测包括客观题两部分客观题（选择题、判断题）：考核学生对基本概念和基本理论的理解深度与广度，每道选择题2分，每道判断题1分。题目的评价分为两个等级：A：2分：回答正确无误；B：0分：错误的回答或者没有写。计算题：重点考察学生对知识的理解、延伸、分析应用及表达等综合能力。依据知识点是否掌握、论述是否有条理、材料是否翔实、书写是否工整这几个维度来设计。每个问题的评价分三个等级细则：A.9-10分：分析合理，逻辑清晰，计算步骤规范，计算结果正确，每提出1个问题给2分，回答正确给3分，回答不正确酌情扣分；B：5-8分：逻辑清晰，分析计算基本合理，结果正确。回答不正确酌情扣分；C.0-4分：计算结果错误，根据答题思路正确与否酌情给分。课程目标1课程目标2课程目标3期末考核70%客观题28%包括选择题、判断题。考核学生对基本概念和基本理论的理解深度与广度，每道选择题2分，每道判断题1分。题目的评价分为两个等级：A：2分：回答正确无误；B：0分：错误的回答或者没有写。课程目标1课程目标2课程目标3课程目标4简答题和计算题42%简答题和计算题：重点考察学生对知识的理解、延伸、分析应用及表达等综合能力。依据知识点是否掌握、论述是否有条理、材料是否翔实、书写是否工整这几个维度来设计。每个问题的评价分三个等级细则：A.9-10分：分析合理，逻辑清晰，计算步骤规范，计算结果正确，每提出1个问题给2分，回答正确给3分，回答不正确酌情扣分；B：5-8分：逻辑清晰，分析计算基本合理，结果正确。回答不正确酌情扣分；C.0-4分：计算结果错误，