|
|
登录注册 |
| ☦ 北师大bbs > 活动专区 > 浏览当前帖子 | 最新帖子进站窗口排行在线会员隐藏左侧栏 |
| 【课程推荐】遥感图像模式识别 | |
| 【返回本版】 【发表帖子】 【回复帖子】 | 浏览量 1740 回帖数 0 |
 |
xwmr123 等级 ★ 楼主 发表于 2020/2/7 11:20:49 编 辑 |
|
|
1、课程介绍： “模式识别”的部分本身比较复杂抽象，涉及的内容多。其中的某些方法甚至是经验性的结论，不容易得到完美的理论结果，所以这门实验课也是主要是偏向实践操作的，注重实际方法的运用与理解。课程的目标是，在学期结束的时候，可以实际独立运用适当的方法，如支持向量机、随机森林、神经网络，进行模式分类的整个流程。通过一系列的技术手段，得到一个满意的分类结果。实际的课程当中，会适当地补充一些理论推导。 课程将使用模式识别的一系列经典算法，针对遥感图像数据，运用线性代数、概率论等知识对图像数据进行分类操作实践。这里的实践操作主要指的是：对数据的预处理、直观理解和观察，还有模型方法的综合运用。其中会涉及到编程方面的问题，但是不会特别复杂，都是已经成型的机器学习系统，所以不需要过多的代码。但是还会有少量的代码，会尽量把代码封装成可调用的形式，供大家调整参数，然后学习使用。 2、主要参考资料： （1）周志华 著.机器学习,北京:清华大学出版社,2016. （2）Richard O. Duda, Peter E. Hart and David G. Stork, Pattern Classification (2nd Ed.), 1997. （3）Trevor Hastie, Robert Tibshirani, Jerome Friedman, The Elements of Statistical Learning: Data Mining, Inference, and Prediction, 2009 （4）Jake VanderPlas, Python Data Science Handbook, 2016. （5）Raschka, Sebastian. Python machine learning. Birmingham, UK: Packt Publishing, 2015. （6）https://developers.google.cn/machine-learning/crash-course/ （7）ConVetJS: https://cs.stanford.edu/people/karpathy/convnetjs/ （8）神经网络: https://cs.stanford.edu/people/karpathy/convnetjs/demo/classify2d.html （9）SVM: https://cs.stanford.edu/~karpathy/svmjs/demo/ （10）随机森林: https://cs.stanford.edu/~karpathy/svmjs/demo/demoforest.html 3、答疑与联系方式： 任课教师 唐 宏 tanghong@bnu.edu.cn QQ交流群 642765002 4、课程网站 课程网站地址为：https://prors.readthedocs.io/zh_CN/latest/index.html 5、报名参与方式 （1）2019级研究生和博士生可以通过教务系统进行选课。 （2）课程开设了【雨课堂】，可以在微信中搜索“雨课堂”进行关注，点击加入班级，回复班级邀请码“TJXKOG”加入该课程2020春季班级进行学习。非2019级研究生和博士生，可以选择以旁听生的身份进行学习。 欢迎各位进行学习交流！ |
||
| 1 |
| 论坛帮助 会员认证删帖申请 联系我们 |