2019年南京信息工程大学博士研究生招生入学考试考试大纲-模式识别

南京信息工程大学博士研究生招生入学考试

考试大纲

科目代码：3021

科目名称：模式识别

第一部分大纲内容

1、 基础知识：模式识别类型、系统构成和模式识别系统评价方法。

2、 贝叶斯决策

了解基本概念：小误差率准则，Bayes错误率的估计，小风险准则，正态分布下的Bayes分类器；

理解概率密度的参数估计方法：大似然估计，EM算法，隐含Markov模型。

掌握非参数估计方法：Parzen窗法， K-近邻方法，距离度量。

掌握成份分析：主成份分析，多重判别分析。

3、 线性判别函数

了解线性判别函数的基本概念：两类问题的判别准则，多类问题的判别准则。

理解线性分类器的训练：感知器算法，扩展的感知器算法，小错分样本数准则

掌握小均方误差准则，随机小误差率线性判定准则

4、 非线性判别函数

了解非线性的分段线性判别方法

掌握特征空间变换，非线性空间的支持向量机和决策树方法。

5、 特征的选择与提取

了解特征的选择原则和基本方法

理解特征提取方法：基于欧氏距离度量的方法、基于概率距离判据的方法、基于散度准则函数的特征提取

掌握特征选择方法：优搜索算法、次优搜索法，模拟退火算法、遗传算法等

6、 人工神经网络

了解常用人工神经网络

理解前馈神经网络及其主要算法

掌握深度学习中的卷积神经网络。

7、 非监督学习与聚类

了解非监督学习的基本概念，聚类的准则函数

掌握聚类方法：K-均值聚类，模糊C-均值聚类，层次聚类，高斯混合模型，自组织特征映射。

第二部分 说明

1、基本要求：掌握模式识别的基本概念、基本原理、典型方法和实用技术，并且能灵活运用所学知识解决实际应用中的具体问题。

2、分值比例：难易程度分为易、较易、较难、难四级，试题分数比例一般为：2：3：3：2。“了解”占15%，“理解（熟悉、能、会）”占40%，“掌握”占45%

3、题型分布：概念题（20分）、简答题（20分）、计算题（40分）、应用设计题（20分）.

4、其他规定：闭卷考试，考试时间180分钟。