主题

课程

培训内容

一、MATLAB数据管理

第1讲 管理工作空间数据

第2讲 读写数据文件

第3讲 网络爬虫

第4讲 数据清洗

（1）保存工作空间数据

（2）读取TXT文件数据

（3）读写Excel文件数据

（4）读写语音信号数据

（5）读写图像数据

（6）读取网络数据

（7）缺失数据处理

（8）数据去噪

（9）离群值检测

（10）合并数据集

（11）数据的标准化变换

（12）数据的归一化变换

（13）现场练习与答疑

二、MATLAB绘图与数据可视化

第5讲 交互式绘图

第6讲 图形的打印与输出

第7讲 二维和三维图形

第8讲 动画制作

（1）手动绘图与交互式编辑图形

（2）绘图代码自动生成

（3）把图形复制到剪贴板

（4）把图形导出到文件

（5）句柄式图形对象

（6）用句柄控制图形对象属性

（7）MATLAB二维和三维绘图函数

（8）常见二维图形

（9）绘制子图以及多个坐标系的联动

（10）二维图形修饰和添加注释（添加标题、坐标轴标签、文本注释对象、图例、线条和箭头，设置坐标轴相关属性）

（11）绘制三维线图

（12）绘制三维网目图和三维面图

（13）三维图形的场景效果（颜色、染色方式、透明度、镂空、灯光、光照效果、视点位置）设置

（14）制作多种形式动画

（15）现场练习与答疑

三、数据拟合

第9讲 回归分析

第10讲 基于人工神经网络的数据拟合

（1）一元线性与非线性回归

（2）多元线性与非线性回归

（3）人工神经网络基础

（4）BP网络

（5）RBF网络

（6）现场练习与答疑

四、信号处理与图像处理

第11讲 信号处理

第12讲 图像处理

（1）傅里叶变换原理

（2）信号去噪与频谱分析

（3）图像数据的读取与显示

（4）几何变换与图像增强

（5）图像分割与区域分析

（6）现场练习与答疑

五、聚类

第13讲 层次聚类

第14讲 K均值聚类

第15讲 模糊C均值聚类

第16讲 高斯混合聚类

第17讲 人工神经网络聚类

（1）层次聚类的原理与案例

（2）类别数的确定方法

（3）K均值聚类的原理与案例

（4）模糊C均值聚类的原理与案例

（5）高斯混合聚类的原理与案例

（6）SOM网络的原理与案例

（7）现场练习与答疑

六、降维技术

第18讲 主成分分析

（1）线性主成分分析的数学原理

（2）核主成分分析的数学原理

（3）降维技术应用案例：主要城市气温模式分析

（4）现场练习与答疑

七、模式识别与分类

第19讲 决策树

第20讲 K近邻学习

第21讲 距离判别

第22讲 贝叶斯分类器

第23讲 支持向量机分类器

第24讲 随机森林分类器

第25讲 浅层神经网络分类

第26讲 深度学习

（1）决策树原理与实例

（2）K近邻学习原理与实例

（3）距离判别原理与实例

（4）贝叶斯分类器原理与实例

（5）支持向量机分类器原理与实例

（6）随机森林分类器原理与实例

（7）浅层神经网络分类实例

（8）深度学习基础

（9）深度堆栈自编码网络的结构与原理

（10）深度卷积神经网络的结构与原理

（11）迁移学习的理论概述

（12）深度学习在图像模式识别中的应用

（13）现场练习与答疑

八、辅助教程

（1）分组讨论（2）关键问题解析（3）学后交流