Экстремальные задачи анализа данных и распознавания образов

Приложение 3
МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ
Национальный исследовательский университет
Новосибирский государственный университет
Механико-математический факультет
УТВЕРЖДАЮ
_______________________
«_____»__________________201__ г.
Рабочая программа дисциплины
Анализ данных и распознавание образов
Направление подготовки
Error! Reference source not found.
Профиль подготовки
Error! Reference source not found.
Квалификация (степень) выпускника
Бакалавр
Форма обучения
Очная
Новосибирск 2010
Аннотация рабочей программы
Дисциплина «анализ данных и распознавание образов» (АДРО) является частью
математического цикла ООП по направлению подготовки «Error! Reference source not
found.», профиль «Error! Reference source not found.». Дисциплина реализуется на
Механико-математическом факультете Национального исследовательского университета
Новосибирский государственный университет кафедрой Теоретической. кибернетики
ММФ НИУ НГУ.
Специальный курс относится к совокупности дисциплин профессионального
цикла, ориентированных на подготовку бакалавров и магистров по направлению
«математика и прикладная математика» (код специальности – 10200, код квалификации –
68); раздел – «специальные дисциплины» вузовской компоненты. Реализуется в рамках
специализации «теоретическая кибернетика» на кафедре Теоретической кибернетики
ММФ НГУ.
Содержание дисциплины охватывает круг вопросов, связанных с изучением
принципов, моделей, методов, техники, аппарата и алгоритм решения задач в области
анализа данных и распознавания образов.
Дисциплина нацелена на формирование общекультурных компетенций ОК-6, ОК-8,
ОК-11, ОК-12, профессиональных компетенций ПК-12, ПК-20, ПК-21, ПК-25, ПК-29
выпускника.
Преподавание дисциплины предусматривает следующие формы организации
учебного процесса: лекции и самостоятельная работа студента.
Общая трудоемкость дисциплины составляет 36 лекционных часов.
2
1. Цели освоения дисциплины
(Указываются цели освоения дисциплины (или модуля), соотнесенные с общими
целями ООП ВПО).
Целью преподавания курса является овладение студентами базовыми знаниями –
основными принципами, моделями, методами, техникой, аппаратом и алгоритмами
решения задач в области анализа данных и распознавания образов, – необходимыми для
самостоятельной работы в научно-исследовательской, технической и производственной
сферах будущей деятельности.
Задачами курса являются получение студентами:
1) знаний об основных принципах, моделях и задачах анализа данных и распознавания
образов, а также методах и алгоритмах их решения;
2) навыков по построению моделей, анализу комбинаторной сложности и решению
математических задач, к которым сводятся типовые проблемы в области анализа данных и
распознавания образов.
2. Место дисциплины в структуре ООП бакалавриата
(Дается описание логической и содержательно-методической взаимосвязи с другими
частями ООП (дисциплинами, модулями, практиками). Указываются требования к
«входным» знаниям, умениям и готовностям обучающегося, необходимым при освоении
данной дисциплины и приобретенным в результате освоения предшествующих дисциплин
(модулей).)
Дисциплина «Принятие решений» является частью математического цикла ООП по
направлению подготовки «Error! Reference source not found.», профиль «Error!
Reference source not found.».
Дисциплина «Принятие решений» опирается на следующие дисциплины данной ООП:
 Математический анализ;
 Теория вероятностей и математическая статистика;
 Теория алгоритмов;
 Основы работы на ЭВМ;
 Методы оптимизации (математическое программирование).
Результаты освоения дисциплины «Error! Reference source not found.» используются
в следующих дисциплинах данной ООП:
 Базы данных и экспертные системы;
 Вычислительная практика;
 Системное и прикладное ПО;
 Информационные системы.
3. Компетенции обучающегося, формируемые в результате освоения дисциплины
«Error! Reference source not found.»:
 общекультурные компетенции: ОК-6, ОК-8, ОК-11, ОК-12;
 профессиональные компетенции: ПК-12, ПК-20, ПК-21, ПК-25, ПК-29.
В результате освоения дисциплины обучающийся должен:
 иметь представление о месте и роли изучаемой дисциплины среди других наук;
 освоить содержание программы курса, формулировки задач, уметь анализировать
входные данные задачи;
 иметь представление об условиях применимости и о характеристиках методов
решения задач анализа данных и распознавания образов;
 уметь определять применимость конкретных методов для решения различных
классов задач анализа данных и распознавания образов.
4. Структура и содержание дисциплины
Общая трудоемкость дисциплины составляет ?? зачетные единицы, 36 часов.
1
2
3
4
5
Введение в дисциплину и основные понятия. 1
Анализ данных и распознавание образов:
методологические аспекты. Объект, предмет и
цели научной дисциплины. Базовые понятия.
Основная содержательная проблема и ее типовые
варианты. Примеры содержательных задач.
Основные этапы и техника решения задач анализа
данных и распознавания образов
Классические модели анализа данных и 1
распознавания образов.
Критерии «похожести», критерии принятия
решения; решающие функции, целевые функции,
разделяющие гиперповерхности.
Модели Неймана-Пирсона, Байеса,
максимального правдоподобия; минимаксная
модель.
Модели и задачи кластерного анализа и поиска 1
подмножеств.
Поиск подмножества векторов, «похожих» по
критериям
минимума
суммы
квадратов
уклонений и максимального правдоподобия.
Разбиение множества векторов по критериям
минимума суммы квадратов уклонений и
максимального правдоподобия.
Разновидности задачи разбиения.
Проблема кластеризации структурированных
данных.
Кластеризация
структурированных
векторных последовательностей.
Разбиение
по
минимаксному
критерию,
критериям Неймана-Пирсона и Байеса.
1
4
3
4
5
10
Модели и задачи принятия решения об 1
обнаруживаемом и распознаваемом объекте.
Проблема
анализа
и
распознавания
структурированных данных и объектов.
Задачи обнаружения повторяющегося вектора в
числовой последовательности.
Задачи
распознавания
последовательности,
включающей квазипериодически повторяющийся
вектор-фрагмент из алфавита.
Задачи
совместного
обнаружения
и
идентификации
векторов
в
числовой
последовательности.
Задачи
обнаружения
в
числовой
последовательности повторяющегося вектора при
наличии посторонних векторов-вставок.
Задачи
обнаружения
и
идентификации
повторяющегося набора векторов.
Задачи разбиения последовательности векторов
на участки, включающие серии идентичных
векторов.
Задачи распознавания алфавита векторов,
порождающего последовательности.
Модели и задачи поиска подмножеств 1
значимых признаков.
Основные подходы к решению проблемы.
Постановки типовых задач.
11
14
18
4
36
4
Зачет
Контр. работа
Самост. работа
Лабор. работа
Лекция
Неделя семестра
Раздел дисциплины
Семестр
№ п/п
Виды учебной работы,
включая самостоятельную
работу студентов и
трудоемкость
Формы текущего контроля
(в часах)
успеваемости
(по неделям семестра)
Форма промежуточной
аттестации
(по семестрам)
Экзамен
(Наиболее распространенные виды/формы организации учебного процесса:
лекция/мастер-класс, лабораторная работа, практическая занятие, семинар/коллоквиум,
самостоятельная
работа
студента,
консультации/тьюторство,
курсовое
проектирование, производственная практика, научно-исследовательская работа,
выпускная квалификационная работа).
5. Образовательные технологии
(Указываются образовательные технологии, используемые при реализации различных
видов учебной работы. Наиболее распространенные виды/формы образовательных
технологий: традиционные лекционно-семинарские системы обучения, информационные
технологии (обучение в электронной образовательной среде), работа в команде, casestudy (анализ реальных проблемных ситуаций и поиск решений), ролевая игра, проблемное
изучение, контекстное изучение, обучение на основе опыта, индивидуальное обучение,
междисциплинарное обучение, опережающая самостоятельная работа.
В соответствии с требованиями ФГОС ВПО по направлению подготовки реализация
компетентностного подхода должна предусматривать широкое использование в
учебном процессе активных и интерактивных форм проведения занятий (компьютерных
симуляций, деловых и ролевых игр, разбор конкретных ситуаций, психологические и иные
тренинги) в сочетании с внеаудиторной работой с целью формирования и развития
профессиональных навыков обучающихся. В рамках учебных курсов должны быть
предусмотрены встречи с представителями российских и зарубежных компаний,
государственных и общественных организаций, мастер-классы экспертов и
специалистов.
Удельный вес занятий, проводимых в интерактивных формах, определяется главной
целью (миссией) программы, особенностью контингента обучающихся и содержанием
конкретных дисциплин, и в целом в учебном процессе они должны составлять не менее
30% аудиторных занятий (определяется требованиями ФГОС с учетом специфики
ООП). Занятия лекционного типа для соответствующих групп студентов не могут
составлять более 50% аудиторных занятий (определяется соответствующим ФГОС)).
6. Учебно-методическое обеспечение самостоятельной работы студентов. Оценочные
средства для текущего контроля успеваемости, промежуточной аттестации по
итогам освоения дисциплины
(Приводятся виды самостоятельной работы обучающегося, порядок их выполнения и
контроля, дается учебно-методическое обеспечение (возможно в виде ссылок)
самостоятельной работы по отдельным разделам дисциплины.
Указываются темы эссе, рефератов, курсовых работ и др. Приводятся контрольные
вопросы и задания для проведения текущего контроля и промежуточной аттестации по
итогам освоения дисциплины.)
7. Учебно-методическое и информационное обеспечение дисциплины
а) основная литература:
1. Гимади Э.Х., Глебов Н.И. Математические модели и методы принятия
решений. Уч. пос. НГУ. Новосибирск 2008, 163 с.
2. Гэри М., Джонсон Д. Вычислительные машины и трудно-решаемые задачи:
Пер. с англ. – М: Мир, 1982, 416c.
3. Пападимитриу Х., Стайглиц К. Комбинаторная оптимизация. Алгоритмы и
сложность: Пер. с англ. – М.: Мир, 1985. 512 с.
4. Фукунага К. Введение в статистическую теорию распознавания образов. М.:
Наука, 1979. 368 с.
5. Дуда Р., Харт П. Распознавание образов и анализ сцен. М.: Мир, 1976. 511 с.
б) дополнительная литература:
5
1. Глебов Н.И., Кочетов Ю.А., Плясунов А.В. Методы оптимизации // Уч.
пособие. Новосибирск: НГУ, 2000. 105 с.
2. Ерзин А.И. Введение в исследование операций. Уч. пособие. Новосибирск:
НГУ, 2006. 100 с.
3. Alexander Schrijver. A Course in Combinatorial Optimization // Department of
Mathematics. University of Amsterdam. Netherland, 2008. 223 p.
4. Alexander Schrijver. Combinatorial Optimization. Polyhedra and Efficiency //
Springer. 2002. 1433 p.
5. Ту Дж., Гонсалес Р. Принципы распознавания образов. М.: Мир, 1978. 411 с.
в) программное обеспечение и Интернет-ресурсы:
8. Материально-техническое обеспечение дисциплины
 Ноутбук, медиа-проектор, экран.
 Программное обеспечение для демонстрации слайд-презентаций.
Программа составлена в соответствии с требованиями ФГОС ВПО с учетом
рекомендаций и ПрООП ВПО по направлению «Error! Reference source not found.» и
профилю подготовки «Error! Reference source not found.».
Автор:
Кельманов Александр Васильевич
д.ф.-м.н., с.н.с., ММФ НГУ,
г.н.с. ИМ СО РАН
Рецензент (ы)
Программа одобрена на заседании
(Наименование уполномоченного органа вуза (УМК, НМС, Ученый совет)
от
___________
года,
протокол
6
№
________
7