タイトル

開講年度 開講学部等
2025 理学部
開講学期 曜日時限 授業形態 AL（アクティブ・ラーニング）ポイント
前期前半 金9～10 講義  
時間割番号 科目名[英文名] 使用言語 単位数
1041220006 パターン認識[Pattern Recognition(Pattern Recognition)] 日本語 1
担当教員（責任）[ローマ字表記] メディア授業
川村　正樹[KAWAMURA Masaki] ○
担当教員[ローマ字表記]
川村　正樹　[KAWAMURA Masaki]
特定科目区分   対象学生 R3年度以降入学者対象 対象年次 3～
ディプロマ・ポリシーに関わる項目 カリキュラムマップ(授業科目とDPとの対応関係はこちらから閲覧できます)
授業の目的と概要
パターン認識の基本的な概念を学び、人間が行っている「識別」や「理解」という高度知的情報処理（データ解析）を理解するために必要な、基礎的な技術と技能を身につける。
また、パターン認識技術がどのように活用されているのか、その事例を理解する。
各種情報をどのように解析・処理するかその具体的な手法と、解析対象を「識別」・「認識」することが可能となる理論と方法を学ぶ。
授業の到達目標
パターン認識の基本的な概念を学び、人間が行っている「識別」や「理解」という高度知的情報処理（データ解析）を理解するために必要な、基礎的な技術と技能を身につける。また、パターン認識技術がどのように活用されているのか、その事例を理解する。
様々な対象の「識別」や「認識」を目的として、具体的な解析理論とその手法（パターン表現や照合）、および識別関数とその学習などを理解する。
対象データやタスクに応じた適切な解析手法を選択することができるようになる。
授業計画
【全体】
パターン認識の原理および様々なパターン表現・識別手法について解説する。
項目 内容 授業時間外学習 備考
第1回 パターン認識の概要と歴史 パターン認識の基本原理と応用例を解説する。
画像認識と音声認識 		授業のまとめ（目標時間：４時間）
第2回 ベイズの識別規則 ベイズの定理とベイズ推定
条件付き確率と分類問題への応用 		授業のまとめ（目標時間：４時間） ３章
第3回 従来型の識別・分類手法 ・k近傍法
・線形判別分析 		授業のまとめ（目標時間：４時間） ５章
６章
第4回 従来型の識別・分類手法 サポートベクターマシン（SVM） 授業のまとめ（目標時間：４時間） ８章
第5回 特徴量の選択と次元削減 ・特徴空間と特徴抽出の考え方
・距離尺度（ユークリッド距離、マハラノビス距離）
・主成分分析（PCA） 		授業のまとめ（目標時間：４時間） ９章
第6回 特徴量の選択と次元削減 ・特異値分解
・部分空間法 		授業のまとめ（目標時間：４時間） ９章
第7回 クラスタリング ・クラスタリングの基本概念
・k-meansクラスタリング 		授業のまとめ（目標時間：４時間） １０章
第8回 総括 期末試験 試験の復習（目安時間：4時間）
※AL（アクティブ・ラーニング）欄に関する注
・授業全体で、AL（アクティブ・ラーニング）が占める時間の割合を、それぞれの項目ごとに示しています。
・A〜Dのアルファベットは、以下の学修形態を指しています。
【A：グループワーク】、【B：ディスカッション・ディベート】、【C：フィールドワーク（実験・実習、演習を含む）】、【D：プレゼンテーション】
A: --%　B: --%　C: --%　D: --%
成績評価法
期末試験で評価する　９０％　※再試験は行わない
小テストや授業のまとめ　１０％
３回以上の欠席は、欠格とする。
教科書にかかわる情報
備考
参考書にかかわる情報
参考書 書名 はじめてのパターン認識 ISBN 9784627850712
著者名 平井有三著 出版社 森北出版 出版年 2022
備考
メッセージ
キーワード
特徴ベクトル、識別関数、線形分離可能、確率モデル
持続可能な開発目標（SDGs）

関連科目
（履修に必要な科目）線形代数、微分積分、確率論
（この科目が必要な科目）機械学習
履修条件
線形代数（ベクトルと行列）と微分積分を理解していること。
確率の表現を理解していること。
連絡先
総合研究棟　４０８号室（東）
kawamura _at_ sci.yamaguchi-u.ac.jp
オフィスアワー
平日　14:00-17:00

ページの先頭へ