模式识别与智能系统专业硕士研究生课程设置表
模式识别与智能系统研究生课程设置
博士生 必修
2 0835571 0835581 0835591 0835601 0835611 0835621 0835631 0835641 0835651 0835661 0835671 0835681 0835691 0835701 0835711 083572 1 083573 1 信息安全导论 数字集成电路设 计 模式识别与图像 处理实验专题 精确制导技术概 论 现代数字信号处 理专题 数据挖掘 图像与视频压缩 技术 数字图像处理系 统设计原理 航迹规划方法 专家系统原理 信息隐藏 创造性思维 图像分析实验专 题 医学图像处理和 分析 VTK/ITK 程序语 言设计 计算机光学 DSP 系统原理与设 计 32 16 3 2 3 2 1 6 2 4 2 4 1 6 3 2 1 6 1 6 1 6 1 6 2 4 1 6 3 2 2 4 2 2 1 1.5 1.5 1 2 1 1 1 1 1.5 1 2 1.5 2 1 秋 春 秋 秋 秋 秋 秋 春 春 春 春 秋 春 秋 春 秋 秋 图像所 图像所 图像所 图像所 图像所 图像所 图像所 图像所 图像所 图像所 图像所 图像所 图像所 图像所 图像所 图像所 图像所
08 1 X
电 学
必 修
D 院 信 08 2 X 学 D 院 信 08 2 X 学 D 院 1 08 信 选 专业选 修 电 必 修 学分 专业必 电 必 修课6
0005
模、优化与 仿真
2
X D
电 学 院 信
修 修课至 少选修 8学分
1008 0013 现代传感器 技术 3 2 2
08 1 X
电 学
选 修
开 学 学 课
课 单
开 课
必 / 备注
法 G10 0013 01 自然辩证法 4 8 2 1 13 FZ 政 学 院 法 G10 0013 科学社会主 02 义 3 2 1 2 13 FZ 政 学 院 信 1008 0004 研究生专业 英语 3 2 1 08 3 X 学 D 院 信 1008 0027 控制工程研 究方法 1 6 1 08 1 X 学 D 院 信 1008 0023 工程中的矩 阵理论 G10 0012 随机过程 5 4 3 4 2 8 2 12 LI 08 1 X 学 D 院 理 学 必 修 修 11学分 电 基础理 论课与 必 专业课 修 电 必 修 电 必 必 修 必 修
电子科技大学硕士研究生培养方案
特别地，若为面向全日制硕士专业学位所开设的专门课程，则对应专业领域代表的两位数，首位统一为“4”，次位是该领域的编号。
开课学院对应代码和学院包含的学科对应序号详见下表：
学院代码
学院名称
学科、专业领域名称及课程编号中对应的序号
01
通信与信息工程学院
★
思想政治教育
030505
教育学
心理学
0402
应用心理学
040203
文学
外国语言文学
0502
英语语言文学
050201
外国语言学及应用语言学
050211
新闻传播学
0503
传播学
050302
理学
●
数学
0701
数学
070100
基础数学
070101
计算数学
070102
概率论与数理统计
070103
★
应用数学
070104
研究生修读不同级别的课程，根据各级别的学分要求计算实得学分。具体规定如下：
硕士生学习400级课程不计学分，学习500级以上（含500级）课程按课程学分计算。
博士生选修400级、500级课程不计学分，学习600级以上（含600级）课程按课程学分计算，但博士生的专业选修课限选700、800级课程，不能用500、600级课程学分取代。
电子科学与技术是我国二十一世纪重点发展的学科之一，它的发展必将极大地推动信息社会的进步，对促进我国国民经济的发展、提高人民生活的质量具有极其重要的意义。
一、培养目标
硕士学位获得者应具有坚实的数学、物理基础知识，掌握本学科坚实的理论基础及系统的专门知识，掌握相关的实验技术及计算机技术。掌握一门外语，具有从事科学研究工作及独立从事专门技术工作的能力以及严谨求实的科学态度和工作作风，能胜任研究机构、高等院校和产业部门有关方面的教学、研究、工程、开发及管理工作。
《模式识别》课程教学大纲
《模式识别》课程教学大纲课程名称：模式识别/Pattern Recognition课程编号：Y08030D开课单位：理学院课程学时：36课程学分：2学生层次：硕士研究生授课方式：讲授适用专业：应用数学课程性质：选修课考试方式：考查教学大纲撰写人：魏明果预修课程：概率论，图象处理一、教学目标与要求《模式识别》是以图象处理技术为基础，研究计算机识别物体的机理，该课程的学习将为计算机视觉以及人工智能等学科的学习打下基础。
本课程主要介绍模式识别的基本概念、基本原理、典型方法、实用技术以及有关研究的新成果，其目的是使学生掌握模式识别的基本概念和基本原理，了解模式识别的具体应用、存在的问题和发展前景。
二、课程主要内容：（一）统计模式识别（二）句法模式识别（三）模糊模式识别其中统计模式识别又分为：（1）用似然函数进行模式识别；（2）用距离函数机型模式识别；（3）特征选择；句法模式识别又分为：（1）串文法的表达与分类；（2）句法识别；（3）文法推断。
课程的教学内容和基本要求第1章引论 21.1 模式识别概况1.2 模式识别应用举例1.3 模式识别方法第2章数学基础 22.1 多元正态2.2 随机变量的线性变换统计模式识别第3章用似然函数进行模式识别83.1 几钟统计决策规则3.2 错误率3.3 参数估计第4章用距离函数进行模式识别64.1最小距离分类法4.2 相似性度量和集群规则4.3 系统聚类4.4 动态聚类第5章特征选择 65.1 维数问题和类内距离5.2 聚类变换5.3 K_L变换5.4 分散度句法模式识别第6章句法模式识别206.1串文法的表达与分类6.2 句法识别6.3 文法推断6.4 混合模式识别模糊模式识别6第7章模糊模式识别三、教材名称：《模式识别》第二版，边肇祺，张学工等编著，清华大学出版社三、主要参考书：（1）J. T. Tou,《Pattern Recognition Principle》（2）Gonzalez, Thomason, 《Syntatic Pattern Recognition－an introduction》（3）Duda, Hart, 《Pattern Classifier & Scene Analysis》。
模式识别与智能系统研究生课程设置
模式识别与智能系统研究生课程设置课程 类别 编号课程名称学时学分开课时间开课单位备注通识课 程硕士生第一外国语3秋、春外语系硕士生必修 1330111自然辩证法322 秋人文学院1330131 科学社会主义理论与实践241 春人文学院人文课程161秋、春人文学院1350011科技英语写作 2秋、春外语系博士生必修 1350031 现代科学技术革命与马克思主义322 秋人文学院1330141矩阵论483 秋 数学系硕士生≥3学分 1330171随机过程483 秋 数学系1330151数理统计483 秋 数学系1330181 泛函分析及其应用483 春 数学系0835511 图像处理中的数学方法322 春 图像所学位要求课程 0835521模式识别原理322 秋 图像所硕士生≥4学分0835531人工智能原理322 春 图像所0835541数字图像处理322 秋 图像所0835551图像分析322 春 图像所0835561 计算机视觉 3 2 春 图像所20835571信息安全导论 322 秋 图像所0835581 数字集成电路设计 322 春 图像所0835591 模式识别与图像处理实验专题 161 秋 图像所0835601 精确制导技术概论 241.5 秋 图像所0835611 现代数字信号处理专题 241.5 秋 图像所0835621数据挖掘 161 秋 图像所0835631 图像与视频压缩技术 322 秋 图像所0835641 数字图像处理系统设计原理 161 春 图像所0835651航迹规划方法 161 春 图像所0835661专家系统原理 161 春 图像所0835671信息隐藏 161 春 图像所0835681创造性思维 241.5 秋 图像所0835691 图像分析实验专题 161 春 图像所0835701 医学图像处理和分析 322 秋 图像所0835711 VTK/ITK程序语言设计 241.5 春 图像所0835721计算机光学 32 2 秋 图像所0835731 DSP系统原理与设计16 1 秋 图像所0835741 图像处理中的数据组织241.5春 图像所博士生跨一级学科课程2 博士生必修博士生专题研讨 6 图像所非学位要求课程 补修课程信号与线性系统 64 4 电信系模拟电子技术（II）563.5电信系 通信电子线路 563.5电信系 数字信号处理 48 3 电信系数字电路与逻辑设计563.5电信系 自动控制原理 48 3 自控系微机原理 64 4 自控系微机接口技术 563.5计算机系 操作系统原理 64 4计算机系 数据结构 563.5计算机系 计算机网络 48 3计算机系 导师指定的其他本科课程研 究 环 节 文献阅读与选题报告（硕、博）1 图像所 在学术会议上作学术报告（硕）1 图像所 论文中期进展报告（博）1 图像所 发表论文（硕、博）1 图像所 学位论文（硕）1图像所学位论文（博） 15图像所检测技术与自动化装置课程设置（2010版）检测技术与自动化装置学科学术型硕士学位研究生课程设置表（2010版）课程类型 课程编码课程名称学时学分开课学期开课单位编号开课单位必/选修备注学位课程 G10001401 研究生英语精读136 31-214WY外国语学院必修公共课8学分 G10001403 研究生英语口语32 1114WY外国语学院必修G10 001301自然辩证法 48 2113FZ法政学院必修G10 001302科学社会主义 32 1213FZ法政学院必修10080004 研究生专业英语 32 1308XD信电学院必修10080027 控制工程研究方法 16 1108XD信电学院必修基础理论课与专业课11学分10080023 工程中的矩阵理论 54 3108XD信电学院必修G100012随机过程 482212LI理学必修04 院 10080001 线性系统理论 54 3208XD信电学院必修10080024系统辨识 48 2208XD信电学院必修非学位课程 10080006 计算机测控网络系统32 2108XD信电学院必修专业必修课6学分 10080003 现代检测理论与技术32 2208XD信电学院必修10080007 现代数字信号处理32 2208XD信电学院必修1008工业过程建3 2 1 08信选专业选0005 模、优化与仿真 2 XD电学院修 修课至少选修8学分10080013 现代传感器技术 32 2108XD信电学院选修10080010 分布式工业控制技术 32 2108XD信电学院选修10080021 数字图像处理 32 2108XD信电学院选修10080016 建筑设备节能技术 32 2208XD信电学院选修10080022虚拟仪器与仿真 32 2208XD信电学选修院 10080009DSP及应用 32 2208XD信电学院选修10080026模式识别 32 2208XD信电学院选修10080012 神经网络理论与应用 32 2208XD信电学院选修10080025人工智能 32 2108XD信电学院选修10080017模糊控制 32 2208XD信电学院选修1008嵌入式系统 3 2 2 08信选0019 2 XD 电学院修10080002 最优控制与最优估计 32 2208XD信电学院选修10080011 建筑智能化技术 32 2308XD信电学院选修10080028计算机视觉 32 2208XD信电学院选修G10 001404德语 64 01-214WY外国语学院选修 不计学分G100014日语 64 01-214W外国选修05 Y 语学院必修环节 10000001 教学或科研实践 108XD信电学院必修导师考核10000002 选题报告(含文献综述) 108XD信电学院必修评议组考核10000003学术报告 108XD信电学院必修导师考核10000004学术论文 108XD信电学院必修导师考核10000005学位论文 008XD信电学必修学位审批院其他说明:1、同等学力或跨专业考入的硕士研究生还须完成2-3门补修课程的学习，由导师会同学科组在学生制定个人培养计划时提出学习要求；2、因研究课题需要,导师可于第三学期面向所指导研究生增开1-2门课程（均按16学时计，不计学分）。
模式识别课程教学大纲
《模式识别》课程教学大纲课程编号：50420361课程名称：模式识别英文名称：Pattern Recognition课程类别：专业限选课学分：2学时：40开课学期：一开课周次：11-20开课教研室：自动化系计算机控制教研室任课教师及职称：刘禾教授先修课程：概率论适用专业：模式识别与智能系统、控制理论与控制工程课程目的和基本要求：课程设置的目的使硕士研究生掌握模式识别的基本理论与方法。
通过课程学习要求学生掌握模式识别的基本理论与方法，了解这些理论与方法的一些典型应用。
通过本课程学习使学生初步具有运用相应理论解决实际问题的能力。
课程主要内容：本课程总学时40学时，从统计模式识别、聚类分析和模糊模式识别等几个方面介绍模式识别的基本理论和知识,全部课程内容分九章，各章具体内容、学时分配如下：第一章概述（4 学时）内容：模式识别分类、系统构成、一些模式识别实用技术和模式识别系统评价方法。
第二章贝叶斯分类方法（4学时）内容：几种常用的分类决策方法：如基于最小错误率的贝叶斯决策、基于最小风险的贝叶斯决策和最大最小决策等。
介绍分类器设计一般规则。
第三章特征的选择与提取（2学时）内容：特征的选择原则和基本方法，特征提取对分类的影响分析。
第四章线性判别函数（4学时）内容：线性分类的基本概念和线性判别函数基本形式，Fisher线性判别方法，支持向量机和多类问题的分类方法。
第五章非线性判别函数（4学时）内容：非线性的分段线性判别方法，特征空间变换，非线性空间的支持向量机和决策树方法。
第六章人工神经网络（8学时）内容：神经网络基础，常用神经网络介绍，基于神经网络的模式识别方法。
第七章聚类分析（6学时）内容：模式的相似性测度，类的定义及类间距和各种聚类算法介绍，如层次聚类算法、动态聚类法和概念合取聚类法等。
第八章模糊模式识别方法（4学时）内容：模糊集、模糊关系和模糊分类方法。
第九章应用举例（4学时）内容：介绍国内外最新研究成果和应用实例。
模式识别与智能系统专业硕士生培养方案
模式识别与智能系统专业硕士生培养方案一．学科专业名称：1．一级学科名称控制科学与控制工程（Control Science and Control Engineering）2．二级学科名称模式识别与智能系统（Pattern Recognition an Intelligent System）3．主要研究内容模式识别，图象处理与分析，计算机视觉，智能机器人，人工智能，计算智能，信号处理。
主要相关学科：控制理论与控制工程，计算机科学与技术，信息与通信系统，电子科学与技术，生物学，心理学。
4．主要研究方向（1）智能系统与网络信息智能处理（Intelligent Systems and Intelligent Processing for Network Information）导师：丁永生、郭放、李德敏、陈镜超、胡良剑、李征、唐明浩（2）生物信息处理与系统建模（Biology Information Processing and System Modeling）导师：丁永生、陶有山、闫理坦、石红瑞、任正云、舒慧生（3）图形图像处理与模式识别（Graph & Image Processing and Pattern Recognition）导师：方建安、卢文科、郝矿荣、孙韶媛、任立红、郑建立、李曼珍（4）机器视觉与信息融合(Machine Vision and Information Fusion)导师：王直杰、秦玉明、郭放、韩秀玲、郝矿荣、郑建立、陈忧先二、培养目标根据研究生教育“面向现代化，面向世界，面向未来”的要求，必须坚持贯彻德智体全面发展的方针，要求硕士研究生做到：1．努力学习马列主义、毛泽东思想和邓小平同志建设有中国特色社会主义理论，拥护社会主义，热爱祖国，遵纪守法，综合素质高，积极为社会主义现代化建设事业服务2．掌握模式识别与智能系统学科坚实的基础理论和系统的专门知识；掌握本学科的现代试验技能和计算能力；熟悉控制科学与工程学科的理论与应用的研究前沿和发展现状，具有独立从事科学研究的能力和良好的工作作风；熟练的掌握一门外国语。
模式识别与智能系统专业硕士研究生培养方案
模式识别与智能系统专业硕士研究生培养方案Power System and Automation(专业代码：081104 授工学学位)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、信号分析处理、网络化智能技术与系统、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，能够在模式识别与智能系统学科及相关学科领域独立开展研究工作。
二、主要研究方向：1．信号分析处理与智能控制本研究方向涉及对各种确定、不确定性信息与数据进行分析处理，以及具有智能特征的控制算法与控制方案的研究。
主要从事智能控制基本原理、基本方法以及复杂信号提取与分析处理的研究，包括网络环境下智能控制理论与技术，神经网络、模糊逻辑理论，智能信息处理技术与应用等。
2．图像处理技术及应用本研究方向主要应用图像工程的有关原理与技术，对图像获取、处理、分析、理解与辨识等功能的实现进行深入研究，其中主要包括图像信息的检测与分析、图像信息的挖掘与识别、图像处理、模式识别或图像识别、景物分析、图像理解等。
此外，通过运用图像获取、抽取特征、比较和匹配等自动测量方法和融合技术，实现对人体特征的识别，进而达到认证个人身份的目的。
三、学习年限与学分全日制攻读硕士学位的学习年限为2.5年，鼓励优秀学生提前答辩。
总学分要求≥43学分，其中修课学分数要求≥28学分，研究环节要求≥15学分，具体学分分配如下图：四、课程设置模式识别与智能系统专业研究生课程设置。
模式识别与智能系统-南京理工大学研究生院
南京理工大学研究生培养方案计算机学院分册南京理工大学研究生院二〇一四年九月目录1、博士研究生培养方案模式识别与智能系统 (2)计算机科学与技术 (10)软件工程 (18)2、学术型硕士研究生培养方案模式识别与智能系统 (25)计算机科学与技术 (31)生物医学工程 (37)软件工程 (43)3、全日制专业学位硕士研究生培养方案计算机技术 (50)软件工程 (56)生物医学工程 (60)4、来华留学生培养方案Doctoral Program in Computer Science and Technology (65)Master Program in Computer Science and Technology (67)博士研究生培养方案模式识别与智能系统Pattern Recognition & Intelligent System（学科代码：081104）一、学科简介本学科始于1979年创办的计算机系，1993年经国务院批准，获博士学位授予权，2001年获批国家级重点学科；拥有一级学科博士后流动站，教育部“高维信息智能感知与系统”重点实验室及江苏省“社会安全图像与视频理解”重点实验室，教育部创新引智基地，及江苏省社会公共安全协同创新中心。
本学科师资力量雄厚，主要从事模式识别、计算机视觉与图像分析、智能机器人、智能科学与技术的理论与应用研究，承担了一批以国家973计划、863计划为代表的高层次项目，科研成果达到国内领先国际先进水平，2009年曾获国家自然科学二等奖，先后获得省部级科技进步一等奖4项。
二、培养目标培养的博士研究生在模式识别以及人工智能等方面掌握坚实宽广的基础理论和系统深入的专门知识，具有独立从事模式识别理论、智能机器人技术、图像分析与机器视觉等科学理论研究和解决实际问题的能力，具有组织科学研究、技术开发与专业教学的能力，熟悉本学科最新研究成果和发展动态，能够熟练运用一门外语进行学术写作和交流，具有终身学习的能力，并具有强烈的科学探索与创新精神、高度的社会责任感、德才兼备的模式识别与智能系统学科的高级专门人才。
模式识别(研究生大纲)
模式识别课程编码:课程英文译名:Pattern Recognition课程类别:学位课开课对象:模式识别与智能系统开课学期:第2学期学分: 3 学分;总学时: 48 学时;理论课学时:48 学时;实验学时:0 学时;上机学时:先修课程:学习本课程之前,应先学习《概率论》、《线性代数》课程。
教材:《模式识别》清华大学出版社,2000年1月,第二版参考书:【1】《数字图像处理》 Kenneth.R.Castleman著,朱志刚等译,电子工业出版社 1998年9月一、课程的性质、目的和任务《模式识别》是模式识别与智能系统硕士生一门学位课。
模式识别就是利用计算机对某些物理现象进行分类,在错误概率最小的条件下,使识别的结果尽量与事物相符。
本课程的任务是使学生掌握模式识别的基本原理和方法,了解模式识别在实际系统中的应用。
二、课程的基本要求通过本课程的学习,要求重点掌握统计模式识别的基本理论和应用。
掌握统计模式识别方法中的特征提取和分类决策。
掌握特征提取和选择的准则和算法,掌握监督学习的原理以及分类器的设计方法。
基本掌握非监督模式识别方法。
了解应用人工神经网络和模糊理论的模式识别方法。
掌握模式识别的应用和系统设计。
三、教学方式课程采用教师课堂讲授和学生课外自学相结合的教学方式。
教师课堂讲模式识别方面的核心内容,学生通过阅读参考书和文献资料,进一步深入了解课程的最新研究成果。
四、课程的主要教学内容和学时分配授课时数:48学时主要内容:第一章绪论1.1 模式和模式识别的概念1.2 模式识别系统1.3 关于模式识别的一些基本问题第二章贝叶斯决策理论2.1 几种常用的决策规则2.2 正态分布时的统计决策2.3 分类器的错误率分析第三章概率密度函数的估计3.1 参数估计的基本原理3.2 监督参数估计3.3非监督参数估计第四章线性判别函数4.1线性判别函数和线性分类器的基本概念4.2 常用准则函数的线性分类器设计4.3 多类问题第五章非线性判别函数5.1 分段线性判别函数的基本概念5.2 分段线性分类器设计5.3 二次判别函数5.4 近邻法第六章特征的选择与提取6.1 基本概念6.2 类别可分离性6.3 特征提取6.4 特征选择第七章非监督学习方法7.1 引言7.2 单峰子集(类)的分离方法7.3 类别分离的间接方法7.4 分级聚类方法第八章模式识别的发展与应用8.1 神经网络模式识别8.2 模糊模式识别方法8.3 识别方法在语音信号数字处理中的应用8.4 印刷体汉字识别中的特征提取五、习题及课外教学要求通过习题巩固和加深对所学知识的理解,培养分析能力计算能力,为此要布置适量的习题。
华东师范大学系统理论专业硕士研究生培养方案 (专业代码
华东师范大学系统理论专业硕士研究生培养方案（专业代码 071101）一、 培养目标本专业培养坚持党的四项基本原则，掌握马克思列宁主义基本原理，愿意献身于社会主义现代化事业，德、智、体全面发展，在系统科学领域和相关学科领域从事科学研究和教学的高级专门人才。
使研究生具备实事求是的学风、严谨的治学态度、扎实的系统理论基础、较系统的专业知识、一定的系统理论研究和创新能力以及熟练的计算机技能，使他们了解学科的现状和最新发展趋势，并掌握一门外国语。
二、 培养方式与学习年限全日制学习，以导师指导为主，导师与指导小组集体培养相结合。
一般学习年限为三年，最长不超过五年。
在完成培养要求的前提下，对少数学业优秀的研究生，可申请提前毕业。
三、 研究方向1.非线性系统理论与复杂性2.控制理论应用3.复杂系统理论计算机模拟与应用4.符号计算及其应用5.模式识别与智能系统四、 课程设置与学分（总学分数：不少于35分）课程性质 课程名称 学分数学位公共课（9学分）政治理论 3外国语 5专业外语 1学位基础课（9学分）系统理论基础 3最优化方法 3程序设计方法学 3现代计算机网络 3学位专业课（不少于6学分）模式识别 3分布式数据库系统 3机器视觉 2计算理论基础 3数字图像处理 3数字信号处理 3学位选修课（不少于9学分）智能数据分析 3计算机仿真 2数理形态学 3计算机支持的协同工作 3微分方程基础 3智能决策系统 3数理逻辑 3多媒体技术 3非线性系统 3离散事件系统 3系统辨识与建模 3形式语义学讨论班 2信息安全讨论班 2 注：专业选修课应包括跨专业、跨学科的课程教学与科研实践（2学分）教学与科研实践 11专题讲座（参加校内外学术活动不少于20次）五、 学习与考核方式为了培养基础扎实，知识面广的硕士人才，硕士阶段的专业学位课程分为三个层次：学位基础课程、学位专业必修课程、专业选修课程。
1.学位基础课程是掌握系统分析与集成科学以及计算机科学坚实宽广基础理论的重要基本课程。
模式识别与智能系统培养方案
模式识别与智能系统专业硕士研究生培养方案一、培养目标本专业培养德、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创新人才。
具备从事模式识别、多媒体信息处理、嵌入式系统、信息安全、生物信息学、智能控制、机器人、智能系统等方面的独立工作能力。
具有开拓进取的精神、具有实事求是、严谨的科学作风。
注意理论联系实际，能够分析和解决现代经济发展和交叉学科中涌现出的新课题。
熟练掌握一门外语，能够在模式识别与智能系统学科及相关学科领域独立开展研究工作。
二、研究方向1、图象处理和模式识别：基本图像处理等算法的研究；以人脸、指纹、虹膜等为主的生物特征识别；医学图象配准等处理算法的研究以及视频监控和视频图象理解。
2、多媒体信息处理：数字图象、视频、音频处理；多媒体数据模型、多媒体数据库系统；基于内容的多媒体检索技术；分布式多媒体系统(多媒体邮件系统、多媒体广播系统、VOD系统、可视电话、视频会议系统、远程医疗系统。
3、嵌入式系统和射频识别：嵌入式系统应用技术以及安全关键理论研究；射频识别（RFID）应用技术以及微带天线设计。
4、信息安全：智能计算等在图像处理与编码中的应用，旨在发展快速高效和具有在低码率信道下实现视频图像实时编码潜能的压缩算法；数字水印技术5、生物信息学：以计算机为工具对DNA和蛋白质序列、结构进行收集、整理、储存、发布、提取、加工、分析和研究；DNA序列中遗传语言的破译。
三、学习年限硕士研究生实行弹性学制，学习年限一般3年。
四、培养方式硕士研究生实行导师负责和指导小组集体培养相结合，课程学习和科学研究（论文工作、社会实践、工程实践等）相结合的方式，课程学习与科学研究并重。
在课程学习结束后，进行研究生中期考核，中期考核通过方可进入学位论文工作阶段。
模式识别与智能系统专业学术型硕士研究生培养方案
模式识别与智能系统专业学术型硕士研究生培养方案1. 所属学院：电气与自动化工程学科、专业代码：081104 获得授权时间：2011.6 2．学科、专业简介（400字以内）“模式识别与智能系统”学科是“控制科学与工程”一级学科下的五个二级学科之一，是在信息处理、人工智能、控制论、计算机应用技术等多学科交叉基础上发展起来的新型学科。
该学科以各种传感器为信息源，以智能信息处理、模式识别的相关理论和技术为核心，以数学方法与计算机应用技术为主要工具，探索对各种信息进行获取、处理、分类、理解并在此基础上构造具有某些智能特性的系统或装置的方法与途径，以提高系统应用的水平和性能。
模式识别与智能系统是控制科学与工程中一门理论与实际紧密结合、具有广泛应用价值的重要学科分支。
本学科专业具有一支职称和年龄结构合理、学术水平高、科学研究和工程实践能力强、经验丰富的学术队伍。
现有教授9人，副教授15人。
承担多项国家自然科学基金、863项目、国家国际科技合作项目、国家重大仪器专项等国家级、省部级攻关和基金课题及多项技术研发和工程项目。
科研经费充足，学术氛围浓厚，实验条件优越。
发表了大量的高水平的科技论文，并多次获得国家和省部级科技进步奖励。
3. 培养目标培养掌握坚实的控制科学与工程一级学科的基础理论、系统的模式识别与智能系统二级学科的专门知识，在智能系统、数字图像处理、模式识别技术、先进控制系统与技术、智能机器人、嵌入式系统、计算机应用、信息与信号处理、系统设计与仿真等方面，具备较强的理论研究和计算机开发应用等解决实际问题的能力，具有从事本学科研究工作、教学工作和独立担负本学科领域内专门技术工作的能力，具有良好政治思想品德、具备协作精神和责任感等职业素养的“厚德、笃学、崇实、尚新”的高层次科学研究、工程技术和系统管理人才。
4. 主要研究方向（1）模式识别技术与应用（2）智能信息处理（3）图像处理与计算机视觉（4）物联网技术与应用（5）智能系统与装备5. 学制及学分硕士研究生学制2.5年；最长不超过4年，课程规定总学分为28-32学分，学位课程学分为16-18学分。
研究生《模式识别与机器学习》教学大纲--学位课
《模式识别与机器学习》教学大纲Pattern Recognition and Machine Learning第一部分大纲说明1. 课程代码：2. 课程性质：学位必修课3. 学时/学分：40/34. 课程目标：模式识别与机器学习研究计算机识别物体的机理，该课程的学习将为数据分析与处理以及人工智能等领域的学习打下基础。
本课程主要分为两大部分，第一部分主要介绍模式识别，包括模式识别的基本概念、基本原理、典型方法、实用技术以及有关研究的新成果，其目的是使学生掌握模式识别的基本概念和基本原理，了解模式识别在图像分析、语音识别和音频分类等领域的具体应用、存在的问题和发展前景。
第二部分主要介绍机器学习，包括多项式回归、正则方程、逻辑回归、神经网络、深度置信网络、卷积神经网络等，通过教学使学生掌握机器学习的基础理论，以及无监督学习和强化学习等；熟悉常见机器学习的常用算法，以及算法的主要思想和运用方法，并通过编程实践和典型应用实例加深了解。
5. 教学方式：课堂讲授、自学与讨论、课堂上机与实例项目相结合6. 考核方式：考试7. 先修课程：概率论、数字信号处理9. 教材及教学参考资料：（一）教材：《模式识别》第4版，Sergios T等编，电子工业出版社边肇祺，张学工等编著，《机器学习》，Peter Flach. 人民邮电出版社, 2016.（二）教学参考资料：[1]《模式分类》(英文版·第2版)， Richard O等编，机械工业出版社[2]《模式识别导论》，范九伦等编，西安电子科技大学出版社[3]《模式识别》第2版，边肇祺等编，清华大学出版社[4]《神经网络与机器学习（英文版·第3版）》. Haykin S. 机械工业出版社[5]《Deep Learning》. Ian Goodfellow, Yoshua Bengio and Aaron Courville. MIT Press第二部分教学内容和教学要求上篇模式识别第一章绪论教学内容：1.1模式与模式识别1.2模式识别的主要方法1.3监督模式识别与非监督模式识别1.4模式识别系统举例1.5模式识别系统的典型构成教学要求：了解模式识别的相关常识与概念，以及一些常用的研究方法。
武汉大学模式识别与智能系统专业攻读硕士学位培养
模式识别与智能系统专业攻读硕士学位研究生培养方案一、培养目标培养德、智、体全面发展的模式识别与智能系统领域的专门人才。
要求学生较好地学习与掌握马列主义、毛泽东思想和邓小平理论，热爱祖国、遵纪守法、品德良好；在模式识别与智能系统学科掌握坚实的基础理论和系统的专门知识，比较熟练地掌握和运用一门外语，具有较宽的知识面，了解当前国内外本学科最新前沿，具有从事基础性、理论性科学研究和教学工作的能力，能够在本学科领域做出创造性的成果；身心健康。
二、研究方向1.语音频处理、识别与应用主要研究语音频的分析和预处理、语音频编码、语音频的差错处理、语音频识别与增强，语音频质量评价等。
2.图像视频处理、识别与应用主要研究图像及视频的信源编码、信道编码、图像识别与增强等。
3.多媒体信息检索与应用主要研究多媒体信息检索与数据挖掘、大规模安防监控系统网络效能评估、安防应急系统风险预测和智能布控等。
4.遥感图像处理、解译与信息提取主要研究遥感图像处理的基础理论，遥感图像增强、去噪声、多源数据融合、特征检测与分析等处理方法，以及高分辨率遥感影像的解译理论与方法。
5.遥感图像的高性能计算与云计算主要研究海量遥感数据的存储与管理、数据分发、图像处理与解译、三维可视化与仿真等的高性能计算与云计算方法。
6.遥感图像智能计算主要研究基于人工神经网络的遥感图像智能计算方法、基于模糊逻辑的遥感图像智能计算方法、基于进化计算的遥感图像智能计算方法等。
7.空间数据挖掘与知识发现主要研究从空间数据中提取隐含的规律性知识的理论和方法，包括空间关联规则挖掘方法及应用、空间聚类挖掘方法及应用、空间数据分类挖掘方法及应用、空间数据离群点检测方法及应用、空间数据挖掘与知识发现软件系统的设计与开发方法，以及基于空间数据挖掘和知识发现的GIS智能化分析方法和遥感影像智能解译方法。
8.遥感影像认知与空间推理主要研究认知科学与遥感科学结合的理论和方法、遥感影像认知的理论和方法、空间知识的表达与处理方法及其在空间信息智能化处理中的应用。
模式识别与智能系统专业博士研究生培养方案
模式识别与智能系统专业博士研究生培养方案（专业代码：081104 授工学学位）为加强博士研究生的管理和提高博士研究生的培养质量，经研究生院批准，模式识别与智能系统专业自1997年9月起按“控制科学与工程”一级学科培养博士研究生，经过培养实践，特修订本方案。
一、培养目标学位获得者应具备模式识别与智能系统专业方面坚实宽广的基础理论和系统的专门知识，全面深入了解本学科有关研究领域现状、发展方向及国际学术前沿；能熟练掌握和运用计算机及先进的研究手段；具有独立从事本学科的科学研究或解决工程重大技术课题的能力，并在本学科取得了创造性的研究成果；具有严谨求实的科学态度、勇于创新的工作作风和良好的科研道德；至少掌握一门外国语。
二、主要研究方向1．计算机视觉与应用2．模式识别与精确制导技术3．多谱成像与遥感图像处理4．人工智能与认知科学5．集成电路及系统芯片的研究与设计6．微纳光学与光学图像处理7．医学成像与医学图像处理三、学习年限与学分1．博士生学习年限一般为3至4年。
可提前答辩，但最少不得短于2年半；亦可延迟答辩，但最长不得超过8年。
总学分要求≥31学分；2．硕博连读和直攻博士生的学习年限一般为4至5年。
总学分要求≥54学分。
具体学分分配如下表：四、课程设置：见模式识别与智能系统专业研究生课程设置五、本学科对博士研究生培养的其它具体要求1．博士研究生的培养实现导师全面负责制，组成以博士生导师为组长的博士生指导小组，负责对博士生的培养和考核工作。
2．对跨一级学科课程的限定（1）跨一级学课程的课程指“控制科学与工程”一级学科涵盖的专业课程以外的研究生课程，必须跟班听课并同堂参加考试。
（2）所选的跨一级学科课程不得与硕士期间所修的课程相同。
3．专题研讨课专题研讨课是培养博士生综合能力和进入本学科前沿的重要环节，博士生应在导师确定的专题领域，查阅国内外最新文献资料，撰写专题研讨报告，并公开做学术报告，每完成一个专题研讨得2个学分。
专业解析-模式识别与智能系统
模式识别与智能系统一、专业介绍1、学科简介模式识别与智能系统是一门理论与实际紧密结合，具有广泛应用价值的控制科学与工程的重要学科下的二级学科硕士点。
模式识别与智能系统是在信号处理、人工智能、控制论、计算机技术等学科基础上发展起来的新型学科。
该学科以各种传感器为信息源，以信息处理与模式识别的理论技术为核心，以数学方法与计算机为主要工具，探索对各种媒体信息进行处理、分类、理解并在此基础上构造具有某些智能特性的系统或装置的方法、途径与实现，以提高系统性能。
2、培养目标：该学科的硕士毕业生应具有坚实的模式识别与智能系统学科的基础理论和系统的专门知识；对于模式识别与智能系统某一研究领域的进展和学术动态有较深的了解；能够熟练利用计算机解决本学科的有关问题；具有从事模式识别与智能系统中的某一研究方向的科学研究或独立担负专门技术工作的能力，并取得有意义的成果；较为熟练地掌握一门外国语。
各招生单位研究方向和考试科目等不尽相同，在此以江苏大学为例：3、研究方向1.模式识别及图像处理2.智能控制与机器人3.图像处理及图像数据库系统4.数据挖掘与决策支持系统4、硕士研究生入学考试科目：①101政治理论②201英语③301数学一④833自动控制理论（含经典与现代部分）、851数据结构、852通信系统原理选一二、就业方向该学科培养的研究生毕业后，可到大、中、小型企业，科技部门，高等院校，金融、电讯单位，政府机关等各行业从事自动化和系统工程相关的科研、开发、设计、研制、生产与管理等工作。
三、职业规划计算机技术的应用在我国各个领域发展迅速，为了适应知识经济和信息产业发展的需要，操作和应用计算机已成为人们必须掌握的一种基本技能。
该专业用到的计算机技术相对较多，可以通过全国计算机等级考试（National Computer Rank Examination，简称NCRE）来获得自己相应水平实力的等级证书。
NCRE是经原国家教育委员会（现教育部）批准，由教育部考试中心主办，面向社会，用于考查应试人员计算机应用知识与能力的全国性计算机水平考试体系。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
54
3
√
信息工程学院
应自炉
矩阵理论
考试
54
3
√
计算机学院
吴明芬
专业课
线性系统理论
考试
54
3
√
信息工程学院
梁新荣
必修
现代控制理论
考试
54
3
√
信息工程学院
余义斌
模式识别
考试
54
3
√
信息工程学院
李霆
非学位课程
公
共任选课
第二外国语（日语）
考查
60
2
√
外语学院
选
修
模糊数学
考查
54
3
√
计算机学院
体育
考查
36
2
√
体育部
文献检索
考查
18
1
√
图书馆
专业任选课
智能信息处理(人工神经网络应用)
考查
54
3
√
信息工程学院
樊可清
工程测试及其信息处理
考查
36
2
√
信息工程学院
樊可清
现代信号处理(小波分析及其工程应用)
考查
54
3
√
信息工程学院
温浩
系统工程
考查
54
3
√
信息工程学院
罗兵
图像分析与计算机视觉应用
考查
54
3
√
信息工程学院
模式识别与智能系统专业硕士研究生课程设置表
学院：信息工程学院班级：YS201022
课程
类别
课程代号
课程名称
考核方式
学时
学分
开课学期安排
开课学院
任课
老师
备注
1
2
3
4
5
6
学位课程
公共课
自然辩证法
考试
36
2
√
政法学院
必修
科学社会主义原理
考试
18
1
√பைடு நூலகம்
政法学院
第一外国语（英语）
考试
160
4
√
√
外语学院
随机过程理论
（加盖学院公章）
余义斌
智能系统与控制
考查
54
3
√
信息工程学院
李霆
嵌入式技术及应用
考查
54
3
√
信息工程学院
陈鹏
无线传感器网络及应用
考查
36
2
√
信息工程学院
陈鹏
系统建模与仿真
考查
54
3
√
信息工程学院
何益宏
先进计算机控制技术
考查
54
3
√
信息工程学院
何益宏
检测与估计理论
考查
36
2
√
信息工程学院
甘俊英
其他
科研教学实践
考查
36
2
√
必
修
文献阅读与选题报告
考查
18
1
√
学术活动（≥5次）
考查
18
1
√
补修
专业课
说
明
学位课程学分要求：不少于22学分
非学位课程学分要求：不少于13分
总学分要求：不少于35分
注：同等学力和跨一级学科的硕士生必须补修本专业本科生的骨干课程2~3门，但不计入学分。
硕士点负责人（签字）：研究生主管领导（签字）：