蔡宣平教授讲解：线性不可分模式识别及其应用

蔡宣平教授主讲的《模式识别》课程旨在教授学生关于这一领域的基本概念、方法和算法原理。课程面向信息工程专业本科生、硕士研究生和部分博士研究生，强调理论与实践的结合，避免繁琐的数学推导，注重培养学生的实际应用能力和问题解决能力。 课程的核心内容包括以下几个方面： 1. **课程对象**：课程覆盖了本科、硕士和博士不同层次的学生，是专业课、学位课以及博士生必修课程的一部分，旨在为不同学术背景的学生提供基础知识。 2. **相关学科**：课程涉及的领域广泛，如统计学、概率论、线性代数、形式语言、人工智能、图像处理和计算机视觉等，这些都是模式识别的重要理论支撑。 3. **教学方法**：采用讲解模式识别的基本概念，通过实例教学让学生理解如何将理论应用于实际问题。同时，课程强调理论的实用性，不追求过多的数学推导。 4. **教学目标**： - 基本目标：确保学生完成课程，通过考试获取学分，具备基础理论知识。 - 提高目标：鼓励学生将所学应用于课题研究，解决实际问题。 - 飞跃目标：课程不仅提升技能，还能改变思维方式，为未来职业生涯打下坚实基础。 5. **教材与参考文献**：课程推荐使用孙即祥的《现代模式识别》、吴逸飞译著的《模式识别——原理、方法及应用》以及李晶皎等人翻译的《模式识别（第三版）》，这些书籍为深入学习提供了丰富的资料。 6. **课程内容安排**：课程共分为七章，包括引论、聚类分析、判别域代数界面方程法、统计判决、学习、训练与错误率估计、最近邻方法和特征提取与选择。此外，还有上机实习环节，让学生亲手实践所学知识。 在第一章引论中，主要内容包括模式识别的概念，如样本和模式的定义，以及特征矢量和特征空间的重要性。此外，还会介绍随机矢量的描述和正态分布等相关概念，这些都是后续章节的基础。 通过学习这门课程，学生不仅能掌握模式识别的基本原理，还将学会如何将其应用于各种实际问题，从而提升自己的专业素养和技术能力。