模式识别

时间：第11-16周，周二[11-13]节，周四[01-03]节
教室：III-506
教材：《模式识别》（第四版），张学工主编，清华大学出版社，2021
考核方式：课堂表现10% + 平时作业40% + 期末大作业50%

课件

• 第1章 绪论

  • PPT

  • 补充阅读材料

    • 人工智能发展简史

    • 专家系统

    • Physics-Informed Machine Learning: A Survey on Problems, Methods and Applications

    • 数据驱动与知识引导结合下人工智能算法模型

    • 知识和数据协同驱动的群体智能决策方法研究综述

    • 数据驱动与知识引导相互结合的智能计算

• 第2章 统计决策方法

  • PPT

  • 补充阅读材料

    • 如何理解条件概率

    • 如何简单理解贝叶斯决策理论

    • 形象理解拉格朗日乘子法

    • ROC曲线

• 第3章 概率密度函数的估计

  • PPT

  • 补充阅读材料

    • 似然和概率的区别

    • 机器学习中的最大似然估计、最大后验估计、贝叶斯估计

    • 极值点、驻点、鞍点、拐点

• 第4章 隐马尔可夫模型与贝叶斯网络

  • PPT

  • 补充阅读材料

    • 如何用简单易懂的例子解释隐马尔可夫模型？

    • 概率图模型

    • 概率图模型简要笔记

    • 隐马尔科夫模型-前向算法和后向算法

    • EM算法(期望最大化算法)简介

• 第5章 线性学习机器与线性分类器

  • PPT

  • 补充阅读材料

    • 机器学习—感知器

    • LIBSVM

    • 极值点、驻点、鞍点、拐点

• 第6章 典型的非线性分类器

  • PPT

  • 补充阅读材料

    • 核方法、核技巧和核函数

    • 核函数的作用

• 第7章 非参数学习机器与集成学习

  • PPT

  • 补充阅读材料

    • K近邻算法大全

• 第8章 特征选择

  • PPT

• 第9章 特征变换与降维表示

  • PPT

• 第10章 非监督学习与聚类

  • PPT