福州大学2017模式识别与人工智能博士招生考试大纲
一、考试科目名称: 《模式识别与人工智能》
二、招生学院和专业：物理与信息工程学院 智能信息技术
基本内容:
1、统计决策方法
最小错误率贝叶斯决策、最小风险贝叶斯决策、neyman-pearson决策与roc曲线、正态分布时的统计决策、正态分布概率模型下的最小错误率贝叶斯决策、错误率的计算
2、概率密度函数的估计
最大似然估计、EM算法、贝叶斯估计与贝叶斯学习、概率密度估计的非参数方法
3、分类方法
线性判别函数、fisher线性判别分析、感知器;分段线性判别函数、二次判别函数、多层感知器神经网络、支持向量机;近邻法、罗杰斯特回归、boosting方法
4、非监督模式识别
基于模型的方法、混合模型的估计、动态聚类算法、模糊聚类方法、分级聚类方法
5、特征选择与特征提取
特征的评价准则、特征选择的最优算法、特征选择的次优算法、特征选择的遗传算法;
基于类别可分性判据的特征提取、主成分分析方法、维数据的低维显示、核主成分分析法。
6、搜索策略
搜索基本概念, 状态空间的盲目搜索, 状态空间的启发式搜索, 与/或树的盲目搜索, 与/或树的启发式搜索
7、机器学习与自然语言处理
机器学习基本概念与方法、基于类比的学习、基于解释的学习、神经网络及连接学习;自然语言处理基本概念与方法
8、演化计算
演化计算基本概念，遗传算法(GA)，遗传程序设计(GP)，演化策略(ES)，差异演化(DE)， 粒子群优化(PSO)算法
主要参考书目 (包括作者、书目、出版社、出版时间、版次)：
1、张学工 编著，模式识别(第三版). 清华大学出版社，2010年8月
2、王万森 编著, 人工智能原理及其应用(第2版), 电子工业出版社，2007年1月
3、郭文忠，陈国龙 著，离散粒子群优化算法及其应用，清华大学出版社，2012年5月