ADDINCNKISM.UserStyle《機器學習與模式識別》課程教學大綱（理論課程）一、課程基本信息課程號1323S08004開課單位電子信息工程學院課程名稱（中文）機器學習與模式識別（英文）MachineLearningandPatternRecognition課程性質必修考核類型考試課程學分2課程學時34課程類別專業發展課程（專業核心課）先修課程高等數學、線性代數、MATLAB程序設計語言適用專業（類）智能醫學工程二、課程描述及目標（一）課程簡介《機器學習與模式識別》課程是本專業（類）的一門專業基礎課程。本課程全面講授模式識別與機器學習的基本概念與典型算法，以醫學信號處理、醫學圖像處理中的問題為典型應用，培養學生對人工智能的研究興趣，為繼續從事模式識別與機器學習方向的科學研究與工程應用打下堅實的基礎。本課程注重理論教學與實驗的結合，注重學生實踐能力的培養，單獨設立實驗上機來鞏固學生對于不同機器學習算法的理解，通過實驗鍛煉學生對于建立模式識別與機器學習模型在各個環節上的動手能力，實驗還將以智能醫學系統的應用問題為實例，使學生全面了解模式識別與機器學習的正確運用，在實際項目的研究中跟蹤前沿的機器學習算法，思想，應用等，為學生從事智慧醫學工程下一步相關研究工作或在實踐項目中的應用打下堅實的基礎。（二）教學目標通過本課程，學生將學會在計算機環境下運用模式識別與機器學習方法分析和解決實際問題的基本方法。課程目標1：通過本課程的學習使學生掌握機器學習與模式識別理論知識,并能夠針對智能醫學系統里的應用問題設計算法。課程目標2：通過本課程的學習使學生掌握機器學習與模式識別算法的評價方法。課程目標3：通過本課程的學習使學生將機器學習與模式識別算法與醫學應用有機結合。課程目標4：通過本課程的學習，促進學生閱讀機器學習與模式識別文獻，研究智能醫學領域前沿問題。三、課程目標對畢業要求的支撐關系畢業要求指標點課程目標權重4-1：能夠對智能醫學系統相關的各類現象和特性進行分析和研究，明確系統測試目標。課程目標150%4-3：能夠對實驗結果，采用科學方法進行分析和解釋，并通過信息綜合得到合理有效的結論。課程目標230%11-2：能夠在多學科環境中應用工程管理原理和經濟決策方法進行工程設計與實踐。課程目標310%12-2：能針對個人或職業發展的需求，掌握自主學習的方法，了解拓展知識和能力的途徑,適應發展。課程目標410%四、教學方式與方法以課堂多媒體教學為主，課堂演示和講解相結合，輔以自學、答疑和計算方法實驗（獨立設置實驗課）。課堂采用啟發式教學和實例教學，并將教學的重點放在培養學生編程思維以及運用工具解決實際問題的能力上。另外，通過師生互動，雙向交流，激發學生主動學習的熱情，讓他們成為教學中的主體。五、教學重點與難點（一）教學重點判別函數、貝葉斯決策理論、支持向量機，人工神經網絡。（二）教學難點廣義判別函數與非線性判別函數、線性不可分支持向量機的概念和求解方法、BP算法。六、教學內容、基本要求與學時分配序號教學內容基本要求學時教學方式對應課程目標1第一章緒論明確模式識別與機器學習的含義，理解幾類典型機器學習系統的計算流程,了解部分前沿研究方向，體會模式識別與機器學習領域的魅力。2講授課程目標42第二章判別函數掌握判別函數，線性判別函數，廣義判別函數與非線性判別函數的基本概念。掌握線性判別函數的性質。4講授課程目標1課程目標33第三章分類器設計通過本章的學習，使同學掌握：線性分類器的設計，分段線性分類器的設計，非線性分類器的設計。4講授課程目標1課程目標34第四章貝葉斯決策理論掌握解貝葉斯分類器，正態分布決策理論，最大最小判別準則。掌握分類的錯誤率分析方法。6講授課程目標1課程目標35第五章參數估計與非參數估計掌握參數估計與非參數估計，監督學習與非監督學習的概念。掌握參數估計理論，掌握非參數估計理論。6講授課程目標1課程目標36第六章聚類分析掌握系統聚類，分解聚類，動態聚類的概念和方法。4講授課程目標1課程目標2課程目標37第七章支持向量機掌握線性支持向量機，線性不可分支持向量機的概念和求解方法。4講授課程目標1課程目標2課程目標38第七章人工神經網絡掌握感知器算法，BP算法。4講授課程目標1課程目標2課程目標3合計34七、學業評價和課程考核（一）考核類型：√考試考查（二）考核方式：開卷考試√閉卷考試課程論文課程報告其它：（三）成績評定：考核依據建議分值（百分比）考核/評價細則對應課程目標平時考核30%作業10%考察學生對上課內容的理解和掌握情況，并對學生對基礎知識的掌握情況進行考察。課程目標1課程目標2課程目標3課程設計10%考察學生應用模式識別與機器學習算法解決實際問題的能力。課程目標1課程目標2課程目標3課程目標4小測10%考察學生對基礎知識的理解和掌握情況，并對學生靈活應用所學知識進行考察。課程目標1課程目標2課程目標3期末考核70%主要題型為：選擇題、填空題、簡答題、計算題、證明題和綜合討論題，主要考核學生掌握利用基礎理論知識，分析問題的能力。課程目標1課程目標2八、程目標的實際達成效果計算方式如下，達成值越高，教學效果越好。考核依據建議分值（百分比）考核/評價細則對應課程目標平時考核30%作業10%考核學生對基本概念和基本理論的理解深度與廣度，以書面的形式提交。圍繞主要章節的重要知識點和內容，共計7次作業，15道題，對于計算題通過分析計算給出所提問題的答案；對于主觀題，通過調研形成自己的設計方案。每道計算題完成度的評價分為三個等級：A：2分：計算結果正確，邏輯清晰；B：1分：有正確的計算結果，但無中間計算過程；C：0分：計算結果錯誤，中間過程邏輯混亂得0分。每道主觀設計題完成度的評價分為三個等級：A：2分：所提方案合理，步驟清晰，問題之間存在清晰的邏輯并列或遞進關系，，能夠融合多學科只是，具有突出的綜合應用能力；B：1分：所提方案欠佳，但問題之間缺少緊密聯系，具有一定的多學科知識綜合交叉能力；C：0分：所提問題題目無關，提問給0分，無論是否回答正確都給0分。課程目標1課程目標2課程目標3課程設計10%考核學生運用基本概念和基本理論解決智能醫學領域前沿問題，以及自主學習能力。由教師命題，學生分組，每組3-5人，完成課程設計與報告。課程設計評價分為設計評價和報告評價。設計評價分為四個等級6分：發完成設計，達到預期性能指標。5分：發完成設計，未達到預期指標。3分：完成部分設計。0分：未完成設計。報告評價分為四個等級4分：報告格式規范，邏輯嚴謹。3分：報告格式不規范，邏輯嚴謹。2分：報告邏輯不嚴謹。0分：未提交報告。課程目標1課程目標2課程目標3課程目標4小測10%考核學生對基本概念和基本理論的理解深度與廣度，以及靈活應用機器學習及模式識別算法的能力。小測包括客觀題兩部分客觀題（選擇題、判斷題）：考核學生對基本概念和基本理論的理解深度與廣度，每道選擇題2分，每道判斷題1分。題目的評價分為兩個等級：A：2分：回答正確無誤；B：0分：錯誤的回答或者沒有寫。計算題：重點考察學生對知識的理解、延伸、分析應用及表達等綜合能力。依據知識點是否掌握、論述是否有條理、材料是否翔實、書寫是否工整這幾個維度來設計。每個問題的評價分三個等級細則：A.9-10分：分析合理，邏輯清晰，計算步驟規范，計算結果正確，每提出1個問題給2分，回答正確給3分，回答不正確酌情扣分；B：5-8分：邏輯清晰，分析計算基本合理，結果正確。回答不正確酌情扣分；C.0-4分：計算結果錯誤，根據答題思路正確與否酌情給分。課程目標1課程目標2課程目標3期末考核70%客觀題28%包括選擇題、判斷題。考核學生對基本概念和基本理論的理解深度與廣度，每道選擇題2分，每道判斷題1分。題目的評價分為兩個等級：A：2分：回答正確無誤；B：0分：錯誤的回答或者沒有寫。課程目標1課程目標2課程目標3課程目標4簡答題和計算題42%簡答題和計算題：重點考察學生對知識的理解、延伸、分析應用及表達等綜合能力。依據知識點是否掌握、論述是否有條理、材料是否翔實、書寫是否工整這幾個維度來設計。每個問題的評價分三個等級細則：A.9-10分：分析合理，邏輯清晰，計算步驟規范，計算結果正確，每提出1個問題給2分，回答正確給3分，回答不正確酌情扣分；B：5-8分：邏輯清晰，分析計算基本合理，結果正確。回答不正確酌情扣分；C.0-4分：計算結果錯誤，