主題

課程

培訓(xùn)內(nèi)容

一、MATLAB數(shù)據(jù)管理

第1講 管理工作空間數(shù)據(jù)

第2講 讀寫(xiě)數(shù)據(jù)文件

第3講 網(wǎng)絡(luò)爬蟲(chóng)

第4講 數(shù)據(jù)清洗

（1）保存工作空間數(shù)據(jù)

（2）讀取TXT文件數(shù)據(jù)

（3）讀寫(xiě)Excel文件數(shù)據(jù)

（4）讀寫(xiě)語(yǔ)音信號(hào)數(shù)據(jù)

（5）讀寫(xiě)圖像數(shù)據(jù)

（6）讀取網(wǎng)絡(luò)數(shù)據(jù)

（7）缺失數(shù)據(jù)處理

（8）數(shù)據(jù)去噪

（9）離群值檢測(cè)

（10）合并數(shù)據(jù)集

（11）數(shù)據(jù)的標(biāo)準(zhǔn)化變換

（12）數(shù)據(jù)的歸一化變換

（13）現(xiàn)場(chǎng)練習(xí)與答疑

二、MATLAB繪圖與數(shù)據(jù)可視化

第5講 交互式繪圖

第6講 圖形的打印與輸出

第7講 二維和三維圖形

第8講 動(dòng)畫(huà)制作

（1）手動(dòng)繪圖與交互式編輯圖形

（2）繪圖代碼自動(dòng)生成

（3）把圖形復(fù)制到剪貼板

（4）把圖形導(dǎo)出到文件

（5）句柄式圖形對(duì)象

（6）用句柄控制圖形對(duì)象屬性

（7）MATLAB二維和三維繪圖函數(shù)

（8）常見(jiàn)二維圖形

（9）繪制子圖以及多個(gè)坐標(biāo)系的聯(lián)動(dòng)

（10）二維圖形修飾和添加注釋?zhuān)ㄌ砑訕?biāo)題、坐標(biāo)軸標(biāo)簽、文本注釋對(duì)象、圖例、線條和箭頭，設(shè)置坐標(biāo)軸相關(guān)屬性）

（11）繪制三維線圖

（12）繪制三維網(wǎng)目圖和三維面圖

（13）三維圖形的場(chǎng)景效果（顏色、染色方式、透明度、鏤空、燈光、光照效果、視點(diǎn)位置）設(shè)置

（14）制作多種形式動(dòng)畫(huà)

（15）現(xiàn)場(chǎng)練習(xí)與答疑

三、數(shù)據(jù)擬合

第9講 回歸分析

第10講 基于人工神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)擬合

（1）一元線性與非線性回歸

（2）多元線性與非線性回歸

（3）人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)

（4）BP網(wǎng)絡(luò)

（5）RBF網(wǎng)絡(luò)

（6）現(xiàn)場(chǎng)練習(xí)與答疑

四、信號(hào)處理與圖像處理

第11講 信號(hào)處理

第12講 圖像處理

（1）傅里葉變換原理

（2）信號(hào)去噪與頻譜分析

（3）圖像數(shù)據(jù)的讀取與顯示

（4）幾何變換與圖像增強(qiáng)

（5）圖像分割與區(qū)域分析

（6）現(xiàn)場(chǎng)練習(xí)與答疑

五、聚類(lèi)

第13講 層次聚類(lèi)

第14講 K均值聚類(lèi)

第15講 模糊C均值聚類(lèi)

第16講 高斯混合聚類(lèi)

第17講 人工神經(jīng)網(wǎng)絡(luò)聚類(lèi)

（1）層次聚類(lèi)的原理與案例

（2）類(lèi)別數(shù)的確定方法

（3）K均值聚類(lèi)的原理與案例

（4）模糊C均值聚類(lèi)的原理與案例

（5）高斯混合聚類(lèi)的原理與案例

（6）SOM網(wǎng)絡(luò)的原理與案例

（7）現(xiàn)場(chǎng)練習(xí)與答疑

六、降維技術(shù)

第18講 主成分分析

（1）線性主成分分析的數(shù)學(xué)原理

（2）核主成分分析的數(shù)學(xué)原理

（3）降維技術(shù)應(yīng)用案例：主要城市氣溫模式分析

（4）現(xiàn)場(chǎng)練習(xí)與答疑

七、模式識(shí)別與分類(lèi)

第19講 決策樹(shù)

第20講 K近鄰學(xué)習(xí)

第21講 距離判別

第22講 貝葉斯分類(lèi)器

第23講 支持向量機(jī)分類(lèi)器

第24講 隨機(jī)森林分類(lèi)器

第25講 淺層神經(jīng)網(wǎng)絡(luò)分類(lèi)

第26講 深度學(xué)習(xí)

（1）決策樹(shù)原理與實(shí)例

（2）K近鄰學(xué)習(xí)原理與實(shí)例

（3）距離判別原理與實(shí)例

（4）貝葉斯分類(lèi)器原理與實(shí)例

（5）支持向量機(jī)分類(lèi)器原理與實(shí)例

（6）隨機(jī)森林分類(lèi)器原理與實(shí)例

（7）淺層神經(jīng)網(wǎng)絡(luò)分類(lèi)實(shí)例

（8）深度學(xué)習(xí)基礎(chǔ)

（9）深度堆棧自編碼網(wǎng)絡(luò)的結(jié)構(gòu)與原理

（10）深度卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與原理

（11）遷移學(xué)習(xí)的理論概述

（12）深度學(xué)習(xí)在圖像模式識(shí)別中的應(yīng)用

（13）現(xiàn)場(chǎng)練習(xí)與答疑

八、輔助教程

（1）分組討論（2）關(guān)鍵問(wèn)題解析（3）學(xué)后交流