人工智能模式识别

招生对象:

高级程序员、资深开发人员、人工智能工程师、图像设计人员、机器学习工程师、程序员、模式识别工程师。

课程介绍:

第一讲模式识别简介

1.1什么是模式识别

1.2为什么要模式识别

1.3怎样来进行模式识别

1.4模式识别的现实案例举例

第二讲贝叶斯决策

2.1最小错误率贝叶斯决策

2.2最小风险错误率贝叶斯决策

2.3ROC曲线

2.4贝叶斯决策在语音识别中的应用案例

第三讲朴素贝叶斯决策

3.1为什么要引入朴素贝叶斯决策

3.2如何进行朴素贝叶斯决策

3.3朴素贝叶斯在文本识别中的应用案例

第四讲线性分类器

4.1线性分类器是什么

4.2Fisher线性判别的动机

4.3Fisher线性判别的内涵是什么

4.4Fisher线性判别在人脸检测中的应用案例

第五讲人工神经网络

5.1人工神经网络的设计动机是什么

5.2单个神经元的功能

5.3人工神经网络的优化以及误差逆传播（BP）算法

5.4人工神经网络中需要注意的问题

5.5人工神经网络在表情识别、流量预测中的应用案例

第六讲最优分类面和支持向量机（SVM）

6.1什么是最优分类面

6.2SVM的本质是什么

6.3SVM线性不可分时怎么办

6.4SVM中核函数如何选择

6.5SVM在车牌识别中的应用案例

第七讲非线性分类器

7.1什么时候使用非线性分类器

7.2如何设计非线性分类器

7.3非线性分类器在光学字符识别中的应用案例

第八讲近邻法

8.1近邻法的思想是什么

8.2近邻法的缺点以及改进方案

8.3近邻法中的过学习问题及解决方案

8.4近邻法在相亲网站中的应用案例

第九讲决策树

9.1什么是非数值特征

9.2为什么要引入决策树

9.3如何设计决策树

9.4如何构造随机森林

9.5决策树在医疗系统中的应用案例

第十讲Boosting

10.1什么是Boosting算法

10.2为什么要Boosting

10.3如何Boosting

10.4介绍Boosting算法典型代表Adaboost

10.5Adaboost在人脸检测中的应用案例

第十一讲特征选择

11.1为什么要特征提取和特征选择

11.2特征选择的最优算法

11.3特征选择的次优算法

11.4特征选择的遗传算法

11.5特征选择在优化系统中的应用

第十二讲特征提取

12.1特征提取的一般性方法

12.2主成分分析

12.3主成分分析在扭曲指纹识别中的应用案例

12.4K-L变换

12.5K-L变换在人脸识别中的应用案例

第十三讲非监督学习方法

13.1什么是非监督学习？

13.2单峰子集法

13.3C均值方法

13.4模糊C均值方法和改进的模糊C均值方法

13.5非监督学习方法在石油勘探中的应用案例

讲师介绍:

司老师　 清华大学博士，模式识别方面专家，在意大利举办的国际在线指纹识别竞赛中获得冠军，在模式识别和机器学习领域顶级期刊IEEE TPAMI等期刊发表多篇论文，拥有5个中国专利和1个美国专利，是模式识别、人工智能、机器学习、深度学习和图像处理和识别领域的实战派专家。