《模式识别与智能系统》（081104）硕士研究生培养方案

一、培养目标
培养德智体全面发展，具有坚实和系统的模式识别与智能系统理论知识和实践技能，了解模式识别与智能系统学科发展的前沿和动态，能够适应我国经济、科技、教育发展需要，面向二十一世纪的科学研究、工程技术和高等教育的高层次人才。具备从事模式识别、图像处理、人工智能、智能控制、智能传感系统、智能信息系统等方面的独立工作能力。注意理论联系实际，能够分析和解决现代经济建设和交叉学科中涌现出的新课题。熟练掌握一门外语，能够在控制理论与控制工程学科及相关学科领域独立开展研究工作。
二、主要研究方向
模式识别与智能系统是面向工程应用的以信息处理、模式识别和智能系统的综合集成等方面的理论研究和技术开发为主要领域的学科。本学科所涉及的主要研究内容有：智能信息处理的理论、算法和实用软件系统；生物特征信息的处理与识别；字符识别与计算机视觉系统；工业生产过程的质量检验或故障诊断系统；数据采掘、知识发现和机器学习系统；从定性到定量的综合集成技术；计算智能（包括粗集理论、神经网络、模糊逻辑和进化计算）技术及其应用；智能控制理论及其应用；网络环境下的智能自动化；人工生命系统；复杂系统与复杂性科学等。本学科的主要研究方向包括：
1、智能信息处理研究方向
主要研究：智能信息表达、智能信息处理方法及其应用，包括：
(1)粗集理论及方法研究，以及在智能数据处理中的应用；
(2)人工神经网络理论及方法研究，以及在智能数据处理中的应用；
(3)模糊控制理论及方法研究，以及在智能数据处理中的应用；
(4)综合智能信息表达、处理方法及其应用。
2、智能控制研究方向
主要研究：变模态智能控制与决策、学习控制、模糊控制与决策、专家控制与决策及其应用，包括：
(1) 智能控制的框架结构理论；
(2) 仿人智能控制器及其应用；
(3) 智能模糊控制器及其应用。
3、神经网络与计算智能研究方向
主要研究：人工神经网络理论及计算智能方法，以及在计算智能中的应用，包括：
(1)人工神经网络理论研究；
(2)人工神经网络结构实现及学习方法研究；
(3)人工神经网络在计算智能中的应用；
(4)计算机网络及信息处理；
(5)计算机网络及信息管理。
4、模式识别与信息处理研究方向
主要研究：模式识别方法，以及在信息处理中的应用，包括：
(1)模式识别方法、理论研究；
(2)计算机技术与模式识别；
(3)计算机理论与模式识别；
(4)模式识别与计算智能方法研究。
5、智能机器人研究方向
主要研究：字符识别与计算机视觉系统，知识发现和机器学习系统，包括：
（1）生物特征信息的处理与识别；
（2）字符识别与计算机视觉系统；
（3）知识发现和机器学习系统；
（4）人工生命系统研究。
三、学制和学分
硕士研究生的学制为2.5～3年。
1. 学分要求及时间安排
硕士研究生所修课程总学分应≥32学分，不超过36学分（超过部分需缴费）。其中学位课≥21学分，，非学位课≥8学分，必修环节3学分。
2. 学位课（≥21学分）
学位课包括公共课和专业必修课，硕士研究生的学位课应修满21学分。
(1)公共课程(11学分)
公共课程包括政治理论、外语和数学三类课程，全部公共课程在2个学期内完成。
在公共课程的要求上全面实行目标管理，达到规定要求的硕士研究生经考核或审核可准予免修。
(2)专业必修课(≥10学分)
专业必修课是全面培养硕士研究生形成完善的知识结构体系、培养形成良好的知识发掘能力、信息收集能力和科学有效的研究方法的基石，是完善硕士研究生知识结构体系的关键。因此在硕士研究生课程中占有重要的地位。
（3）专业英语（1学分）
3. 非学位课(≥8学分)
非学位课包括专业选修课、文科类及管理类辅修课和计算机类课程等。硕士研究生的非学位课程应修满8学分。
4. 必修环节（3学分）
（1）学术讲座 (1学分)
硕士研究生在读期间应积极参加各类学术讲座，修满1学分。听取的学术讲座次数不应少于6次，结束后递交正文不少于4000字的心得体会报告，内容可以是综述性的，也可以是就某一个学术讲座专题的讨论。学术讲座可以是以下几种形式：1）学院开设的硕士研究生学术讲座课程和博士研究生学术讲座课程；2）学校或学院组织的国内外学者专家来我校的学术讲座或学术报告；3）全国性专业学术会议；4）国际学术会议。
（2）教学实践(2学分)
教学时间环节包括参与导师助教工作、协助导师带毕业设计、协助导师实验教学等，在导师的指导下，增强研究生工作能力和实践能力。
四、课程设置
见附表：《模式识别与智能系统》学科、专业课程设置表
五、中期检查
1.硕士研究生中期检查在第三学期初进行。
2.中期检查的内容包括课程学习的学分和成绩。
六、学位论文
学位论文是硕士研究生基础理论知识和科学研究能力的具体体现，是硕士研究生培养质量的重要标志。
1. 基本要求
(1) 硕士研究生应首先在导师的指导下做好选题工作，选题应在本学科或交叉学科范围内，选择在社会发展和经济建设中的科学研究或工程技术问题，或在学术上有一定理论价值的课题。
(2) 从事学位论文研究的时间不少于1.5年。
(3) 学位论文必须在导师的指导下由硕士研究生独立完成。
(4) 学位论文要求概念清楚、立论正确、分析严谨、计算精确、数据可靠、言简意赅、图表清晰、层次分明、格式规范，能体现硕士研究生坚实的理论基础、较强的独立工作能力和优良的学风。
(5) 论文工作初期作开题报告；论文进行过程中，硕士研究生应至少向导师组作一次论文中期进展汇报，接受导师组对论文工作的阶段性检查。
2. 开题报告
硕士研究生应首先搜集有关文献资料并进行实际调查，把握学科发展前沿，重视知识产权，写好文献综述，在此基础上，写出开题报告，并在硕士点导师组统一安排的开题报告会上作公开报告、答辩，经审核通过者方可进入学位论文工作。
3. 论文内容
(1) 综述课题的理论意义和实用价值，国内外研究动态，需要解决的问题和途径以及本人做出的贡献；
(2) 说明采用的实验方法、试验装置和计算方法，并对整理和处理的数据进行理论分析与讨论；
(3) 对所得结果进行概括和总结，并提出进一步研究的看法和建议；
(4) 给出所有的公式、计算程序说明、列出必要的原始数据以及所引用的文献资料；
(5) 引用别人的科研成果必须明确指出，与别人合作的部分应说明本人的具体工作。
七、学位授予
凡通过课程学习、完成学位论文工作的硕士研究生，经导师及导师组审核，认为论文符合答辩要求的，可以组织论文评审答辩。
学位论文的评审、答辩和学位申请与授予等工作按《中华人民共和国学位条例暂行实施办法》的规定进行。
硕士研究生必须在公开出版的学术刊物上发表至少一篇学术论文，才具备申请进行论文答辩的资格。


附表：
《模式识别与智能系统》学科、专业课程设置表

类别		课程名称	学时	学分	开课 学期	考核 方式	备注
学位课	公 共 基础课	自然辨证法概论	36	2	1	考试	必选
		科学社会主义理论与实践	18	1	2	考试
		英语	180	5	1、2	考试
		数值分析(含变分)	54	3	1	考试	任选一
		随机过程（含数理统计）	54	3	1	考试
	专 业 学位课	专业英语	18	1	3	考试	必选
		线性系统理论	30	2	2	考试
		现代信号处理	30	2	1	考试
		模式识别原理	30	2	1	考试
	专业方向 学位课	动态系统的数字控制	30	2	2	考试
		神经网络基础	30	2	1	考试
非学位课	选修课	实用矩阵论	30	2	1	考查	选修
		粗集理论	30	2	1	考查
		自适应控制	30	2	3	考查
		最优控制理论	30	2	2	考查
		DSP	30	2	3	考查
		智能控制	30	2	3	考查
		数字图像处理	30	2	3	考查
		智能机器人原理及控制	30	2	3	考查
		信息论基础	30	2	2	考查
		第二外语(俄语或日语)	36	2	3	考查
必修环节		教学实践	60	2	考查		必修
		科学研讨会	6次	1
		论文开题报告及文献阅读综述	不计学分

说明：根据导师研究方向和要求，非学位选修课程可跨专业选课。