基本内容: （300字以内）

1、模式识别概论：模式与模式识别，模式识别系统，模式识别的主要方法，监督学习、非监督学习和半监督学习。

2、统计决策方法：贝叶斯决策理论，判别函数和决策面，正态分布的贝叶斯分类，未知概率密度函数的估计， 最近邻规则，贝叶斯网络。

3、线性分类器：线性判别函数的基本概念，Fisher线性判别分析，感知器，最小平方误差判别，最优分类超平面与线性支持向量机，多类线性分类器。

4、非线性分类器：分段线性判别函数，二次判别函数，多层感知器神经网络，支持向量机，核函数机器。

5、其他分类方法：近邻法，决策树与随机森林，罗杰斯特回归，Boosting方法。

6、特征选择；特征的评价准则，特征选择的最优算法，特征选择的次优算法，特征选择的遗传算法，以分类性能为准则的特征选择方法。

7、特征提取：基于类别可分性判据的特征提取，主成分分析方法，Karhunen-Loève变换，高维数据的低维显示，多维尺度法，非线性变换方法。

8、非监督模式识别：基于模型的方法，混合模型的估计，动态聚类算法，模糊聚类方法，分级聚类方法，自组织映射神经网络。

9、模式识别系统的评价，监督模式识别方法的错误率估计，有限样本下错误率的区间估计问题，特征提取与选择对分类器性能估计的影响，从分类的显著性推断特征与类别的关系，非监督模式识别系统性能的评价。

参考书目

1、模式识别（第三版），张学工编著，北京：清华大学出版社，2010

2、模式识别（第四版），西奥多里蒂斯等著，北京：电子工业出版社，2010

题型要求及分数比例：（博士生满分100分，学术型、专业学位硕士生满分均150分）

简答题： 约50分

证明题： 约30分

计算题： 约20分