题型：
1.填空题5题
2.名词解释4题
3.问答题4题
4.计算作图题3题
5.综合计算题1题
备注1：没有整理第一章和第六章，老师说不考的
备注2：非线性判别函数相关概念P69
概率相关定义、性质、公式P83以后
最小错误率贝叶斯决策公式P85
最小风险贝叶斯P86
正态贝叶斯P90
综合计算有可能是第六次作业
一、填空题
物以类聚人以群分体现的是聚类分析的基本思想。
模式识别分类：1.从实现方法来分模式识别分为监督分类和非监督分类；2.从理论上来分，有统计模式识别，统计模式识别，模糊模式识别，神经网络模式识别法
聚类分析是按照不同对象之间的差异，根据距离函数的规律做模式分类的。
模式的特性：可观察性、可区分性、相似性
模式识别的任务：一是研究生物体（包括人）是如何感知对象的，二是如何用计算机实现模式识别的理论和方法。
计算机的发展方向：1.神经网络计算机－－模拟人的大脑思维；2.生物计算机－－运用生物工程技术、蛋白分子作芯片；
3.光计算机－－用光作为信息载体，通过对光的处理来完成对信息的处理。 填空题 训练学习方法：监督学习、无监督学习（无先验知识，甚至类别数也未知）。
统计模式识别有：1.聚类分析法（ 非监督）；2.判决函数法/几何分类法(监督)；3.基于统计决策的概率分类法 - 以模式集在特征空间中分布的类概率密度函数为基础，对总体特征进行研究，以取得分类的方法
数据的标准化目的：消除各个分量之间数值范围大小对算法的影响
模式识别系统的基本构成：书P7
聚类过程遵循的基本步骤：特征选择；近邻测度；聚类准则；聚类算法；结果验证；结果判定。
相似测度基础：以两矢量的方向是否相近作为考虑的基础,矢量长度并不重要。
确定聚类准则的两种方式： 阈值准则，函数准则
基于距离阈值的聚类算法——分解聚类：近邻聚类法；最大最小距离聚类法
知识点（选择题+填空题）：
第一章
1、 教育心理学的研究对象
教育心理学的研究对象是教育过程中的心理现象与规律，包括受教育者的各种心理现象及其变化和发展规律，以及教育者如何通过这些规律对受教育者进行有效的教育.
2、 教育心理学的性质
教育心理学是一门基础研究和应用研究并重的学科.教育心理学作为心理学的分支学科具有较强的理论性，作为指导教育实践活动的学科又具有极为鲜明的实践性与应用性。
3、 教育心理学的独立与发展
美·桑代克《教育心理学》(《人的本性》、《学习心理》、)标志 教育心理学 正式成为一门学科
德·冯特,建立第一个心理学实验室,标志心理学的诞生
夸美纽斯，第一次明确提出，教育要遵循自然的思想
裴斯泰洛奇，第一次提出“教育心理学”思想，主张因能力施教,主张从教育实践中探索和研究儿童心理特点和规律，并于教育具体改革结合
赫尔巴特，近代第一次教学理论的研究要建立在科学基础（心理学）上
俄·乌申斯基，近代最早在教育工作中尝试应用心理学知识
第二章
4、 学习类别
加涅，按学习结果划分：言语信息的学习，智力技能的学习,认知策略的学习，态度的学习,动作技能的学习五类；
奥苏贝尔,按学习活动的性质划分，分为接受学习和发现学习，或者机械学习和有意义学习
5、 不同学习理论关于学习的实质
行为主义
桑代克,试误-联结学习理论,学习的实质是经过试误在刺激与反应之间形成联结，即形成S—-R之间的联结。（饿猫开迷箱）
(巴甫洛夫，经典性条件作用理论；华生，行为主义学习理论)，关于学习的实质的基本观点：有机体的学习就是通过经典性条件作用的建立，形成刺激与反应之间联结的过程.
斯金纳，操作性条件作用学习理论,学习的实质:学习是指有机体在某种自发行为由于得到强化而起稿了该行为在这种情境发生的概率，即形成了反映与情境的联系，从而获得了用这种反应应付该情境以寻求强化的行为实验
班杜拉，社会学习理论关于学习的实质问题的基本看法就是，学习是指个体通过对他人的行为及其强化性结果的观察，从而获得某些新的行为反应，或已有的行为反应得到修正的过程。
4.2 用智能工具处理信息
一、教材分析
本课内容是广东教育科学出版社出版的普通高中课程标准实验教科书《信息技术基础》(必修)中的第四章第二节。主要是开阔学生的视野，激发学生对人工智能的兴趣，让学生对智能工具有一个初步地体验和了解，也为选修模块《人工智能初步》的开设作有益的铺垫。本节内容只是要求学生在信息智能处理工具进行初步认识，并可以在今后的生活中对智能处理工具有一个主动认知的能力。根据课本内容以及基于学生的学习思维发展，选择了几种智能处理工具让他们进行体验式实践。本节采用了“情景引入→操作体验→过程原理→讨论探究→前沿技术→教学小结”的线索组织内容。
二、学生分析：
本节教学的对象为高一学生，通过这一学期近12周的学习，学生对《信息技术基础》这一教科书的学习方法和特点有了一定的掌握。特别是进入第三章的学习之后，应该了解在不同的处理需求下，学会正确的使用不同的处理工具来处理不同的信息。在学生学会主动发现并使用不同的处理工具或者处理软件的前提下来开展本节内容。由于第四章第一节“用计算机程序解决问题”学生应该还没有学习过，所以对利用计算机程序处理信息这一环节我在教学过程中对智能工具的特征进行了分析。另外一各方面，由于学生的认知能力，可能他们在生活中有接触到智能处理工具，但是他们并没有意识到这就是智能处理工具，所以在教学中我引用了大量的生活中的处理工具，让他们可以在学习中更贴近生活，而却在教学中准备了多种智能工具，让学生先进行体验后进行知识的讲解。
三、设计思想：
本课内容从学生最为感兴趣的新型智能机器人视频引入，通过智能工具的特征以及智能工具与一般处理工具的区别，让学生对智能工具这一概念有个初步的了解。然后通过对自然语言理解以及模式识别两个研究领域联系生活进行学习，并且通过探究游戏原理的方法对智能工具的处理流程进行进一步深入探讨和学习实践，启发学生思考、分析和认识智能工作原理的实质及其重要性。最后，通过先进的前沿科技进一步激发学生对智能工具应用价值的探究热情。
《机器学习与模式识别》教学大纲
课程编号：071243B
课程类型：□通识教育必修课 □通识教育选修课
■专业必修课 □专业选修课
□学科基础课
总学时：48 讲课学时：32 实验（上机）学时：16
学 分：3
适用对象：计算机科学与技术专业
先修课程：
程序设计基础与应用、数据结构、高等数学、算法导论
一、教学目标
《机器学习与算法导论》是计算机科学技术专业的一门专业选修课程。本课程是面向计算机技术开设的专业选修课。其教学重点是使学生掌握常见机器学习算法，包括算法的主要思想和基本步骤，并通过编程练习和典型应用实例加深了解；同时对机器学习的一般理论，如假设空间、采样理论、计算学习理论，以及无监督学习和强化学习有所了解。模式识别部分是研究计算机模式识别的基本理论、方法和应用。通过本课程的学习，使学生掌握模式识别的基本概念、基本原理、基本分析方法和算法，培养学生利用模式识别方法，运用技能解决本专业和相关领域的实际问题的能力。
学生通过本门课程的学习，能够对机器学习和模式识别的内容有一个较为全面的了解和认识，更深刻地理解机器学习的实质内容，使学生具备前沿的计算机技术必要的专业知识。从而，为学生今后从事计算机技术应用与计算机技术前沿研究，以及相关领域的科学研究做好理论和技术上的准备。
目标1： 通过对机器学习与模式识别基本概念、原理、和基本方法的讲解，让学生理解并掌握机器学习和模式识别的基本技术。 目标2：培养学生利用模式识别方法，运用技能解决本专业和相关领域的实际问题的能力。
目标3：鼓励学生运用知识解决各自学科的实际问题，培养他们的独立科研的能力和理论联系实际的能力。
二、教学内容及其与毕业要求的对应关系（黑体，小四号字）
本课程主要介绍决策论与信息论基础、概率分布、回归的线性模型、分类的线性模型、核方法、支持向量机、图模型、混合模型和期望最大化、隐Markov模型和条件随机场模型、统计决策方法、概率密度函数的估计、线性分类器、非线性分类器、其他分类方法、特征选择、特征提取、非监督模式识别、模式识别系统的评价等。
