《模式识别》课程标准.docx

《《模式识别》课程标准.docx》由会员分享，可在线阅读，更多相关《《模式识别》课程标准.docx（4页珍藏版）》请在第一文库网上搜索。

1、模式识别课程标准一、课程概述1 .课程性质模式识别是人工智能技术服务专业针对人工智能产业及其应用相关的企事业单位的人工智能技术应用开发、系统运维、产品营销、技术支持等岗位，经过对企业岗位典型工作任务的调研和分析后，归纳总结出来的为适应人工智能产品开发与测试、数据处理、系统运维等能力要求而设置的一门专业核心课程。2 .课程任务模式识别课程通过与各类特征识别应用案例开发相关的实际项目学习，增强学生对本专业智能感知与识别算法知识的认识，训练他们养成良好的解析思维习惯，在理解理论知识的基础之上，根据实现情况分析与设计出最优解决方案，再用编程方式实现特征提取和识别算法并加以应用的能力，从而满足企业对相应

2、岗位的职业能力需求。3 .课程要求通过课程的学习培养学生智能感知与识别算法应用方面的岗位职业能力，分析问题、解决问题的能力，养成良好的职业道德，为后续课程的学习打下坚实的基础。二、教学目标（一）知识目标（1）了解模式识别的概念，掌握通过编程实现模板匹配算法来解决简单的模式识别问题的能力；（2）了解常用模式识别算法的原理，能初步利用该类算法解决具体模式识别问题的一般方法；（3）理解特征提取与降维的概念及主要方法，并能够在解决模式识别问题的过程中加以应用；（4）详细了解BP神经网络的原理，熟练掌握利用该算法解决手写体识别问题的方法；（5）详细了解朴素贝叶斯分类器算法的原理，熟练掌握利用该算法解决打

3、印体文字识别问题的方法；（6）详细了解基于隐马尔可夫模型的语音识别原理，熟练掌握利用该模型解决语音识别问题的方法；（7）详细了解基于PCA和SVM模型的人脸识别原理，熟练掌握利用该模型解决人脸识别问题的方法。（二）能力目标（1）会识读程序流程图，能看懂案例程序代码；（2）会使用Python语言实现“模式识别”常规算法；（3）能按照任务要求，设计程序流程图，编写程序代码；（4）能够根据系统功能要求对程序进行调试；（5）能够对所编写的程序故障进行分析，提出解决方案并进行故障排除：（6）能根据系统工作情况，提出合理的改造方案，组织技术改造工作、绘制程序流程图、提出工艺要求、编制技术文件。（三）素质目

4、标（1）培养学生的沟通能力及团队协作精神。（2）培养学生分析问题、解决问题的能力。（3）培养学生勇于创新、敬业乐业的工作作风。（4）培养学生的自我管理、自我约束能力。（5）培养学生的环保意识、质量意识、安全意识。三、与前后课程的联系1 .与前续课程的联系C语言程序设计使学生具备了面向过程编程的基本能力。Python语言程序设计使学生具备了面向对象编程和AI应用程序开发的基本能力。2 .与后继课程的关系为学生后续课程边缘计算、机器学习等课程打下专业基础。四、教学内容与学时分配根据职业岗位AI程序员的要求，将本课程的教学内容分解为7个教学单元。表1课程项目结构与学时分配表序号课题主要教学内容教学目

5、标学时备注1课程概述1.模式识别的基本概念2.模式识别的算法体系3.算法实例：模板匹配1 .了解模式识别的概念2 .掌握通过编程实现模板匹配算法来解决简单的模式识别问题的能力4理实-一体2常用算法简介1 .线性分类器概述2 .算法实例：线性分类器3 .贝叶斯分类器概述4 .算法实例：贝叶斯分类器5 .组合分类器概述6 .算法实例：组合分类器7 .聚类算法概述8 .算法实例：聚类算法9 .模糊集合概述10 .算法实例：模糊模式识别11 .神经网络分类器概述12 .算法实例：神经网络分类器1 .理解常用模式识别算法的原理2 .熟练掌握利用该类算法解决具体模式识别问题的一般方法12理实一体3特征提取

6、与降维1 .特征提取与降维的基本概念2 .算法实例：特征提取与降维处理1 .理解特征提取与降维的概念及主要方法2 .解决模式识别问题的过程中加以应用4理实一体4手写体识别1 .整体方案设计2 .手写体图像的特征提取3 .BP神经网络的设计4 .BP神经网络的训练5.识别处理1 .详细了解BP神经网络的原理2 .熟练掌握利用该算法解决手写体识别问题的方法10理实一体5打印体文字识别1 .整体方案设计2 .文字特征提取3 .贝叶斯分类器的设计4 .贝叶斯分类器的训练5 .识别处理1 .详细了解朴素贝叶斯分类器算法的原理2 .熟练掌握利用该算法解决文字识别问题的方法10理实一体6语音识别1 .整体方

7、案设计2 .语音采集3 .语音信号的预处理MFCC特征参数的提取HMM模型的训练6 .识别处理1 .详细了解基于隐马尔可夫模型的语音识别原理2 .熟练掌握利用该模型解决语音识别问题的方法8理实一体7人脸识别1 .整体方案设计2 .人脸图像获取3 .人脸图像的预处理4 .人脸图像特征的提取VM分类器的设计SVM分类器的训练7.识别处理L详细了解基于PCA和SVM模型的人脸识别原理2.熟练掌握利用该模型解决人脸识别问题的方法8理实一体8机动l.Python语言开发的虹膜识别仪、指纹识别仪案例展示1.了解利用Python语言开发模式识别算法的基本方法29期末考试（闭卷）巩固学习内容，检测学习情况2合

8、计60五、教材的选用1 .教材选取的原则按照国家规定选用与课程标准相配套的规划优质教材，禁止不合格的教材进入课堂。学校建立了由专业教师、行业专家和教研人员等参与的教材选用机构，完善教材选用制度，经过规范程序择优选用教材。2 .推荐教材模式识别，刘家锋.哈尔滨工业大学出版社，2017年。六、教师要求专任教师具有高校教师资格和本专业职业资格或技能等级证书；有理想信念、有良好职业道德、有扎实学识、有仁爱之心；具有计算机等相关专业本科及以上学历；具有扎实Python语言程序设计理论功底和利用Python语言开发模式识别系统的实践能力；具有较强的信息化资源应用和开发能力。兼任教师主要从相关企业聘任，具备

9、良好的思想政治素质、职业道德和工匠精神，具有扎实的利用Python语言程序设计专业知识和丰富的模式识别系统开发实际工作经验，具有中级及以上相关专业技术职称，能承担本课程教学、实习实训指导等教学任务。七、学习场地、设施要求多媒体教室、实训教室、白板、黑板、相关工具、相关量具等。八、课程资源的开发与利用积极开发和利用网络教学资源：课程标准、实训指导书、授课计划、电子教案、教学资源库等教学文件，及多媒体教学课件、习题、案例库、试题库、网络方案、布线标准、工具软件、国家级或省级精品在线开放课程等资源。建立互动交流网络平台。九、考核标准与方式高等职也教育培养高素质技术技能型人才，不但要重视学生职业技能和

10、职业素养培养,还要求学生掌握一定的专业基础理论知识，以利于今后可持续发展。因此需要加强理论知识、职业技能和职业素养等方面的考核评定。本课程采用过程性评价和终结性评价相结合的方法进行，既有理论知识考核，又有学生学习态度、思维能力、动手能力、解决问题的能力等方面的综合考核，具体评价方法和内容见表3o表3模式识别课程评价方法和内容考核类型考核方式考核内容理论知识过程性考核(10%)课堂提问、课堂纪律、平时作业、单元测试等(50%)终结性考核(40%)期末闭卷理论考试，评价知识目标达成程度。重点考核常用各类特征提取与降维、各类常规识别算法等知识职业技能过程性考核(10%)实训表现、实际操作能力、观察能力、解决问题的能力等(40%)终结性考核(30%)期末技能考试，评价技能目标达成程度。重点考核常用的手写体识别、打印体文字识别、语音识别、人脸识别等技能。职业素养(10%)过程性考核到课考勤，学习及工作态度、6s管理表现、质量观念、安全意识、合作精神、敬业精神、团队意识等纳入职业技能考核，在教学过程中记录评价