时间

主题

课程

培训内容

4月17日上午

9:00—12:00

一、MATLAB基础编程精讲

第1讲 MATLAB基础操作

第2讲 MATLAB数据管理

第3讲 MATLAB绘图与数据可视化

1．MATLAB基础操作：数组运算、逻辑与流程控制、脚本与函数文件、匿名函数

2．MATLAB数据管理：读写mat、TXT、Excel、Word、图像、语音、网络等格式数据文件

3．MATLAB绘图：基于数据绘图、基于函数绘图、图形对象的句柄控制

4．案例讲解

5．练习与答疑

4月17日下午

14:00—17:00

一、MATLAB基础编程精讲

二、数据拟合

第4讲 MATLAB代码调试与优化

第5讲 数据清洗

第6讲 插值拟合

第7讲 回归拟合

第8讲 基于人工神经网络的数据拟合

1．MATLAB代码调试与优化：代码调试技巧、分析程序运行效率、提高程序运行效率的常用技巧

2．数据清洗：缺失数据处理、离群值检测、数据去噪与平滑

3．插值拟合：网格节点插值、散乱节点插值

4．回归拟合：一元线性与非线性回归、多元线性与非线性回归

5．人工神经网络基础与数据拟合：人工神经网络基本原理、BP网络

6．案例讲解

7．练习与答疑

4月18日上午

9:00—12:00

三、图像处理

四、聚类

第9讲 图像处理

第10讲 层次聚类

第11讲 K均值聚类

第12讲 模糊C均值聚类

第13讲 高斯混合聚类

第14讲 人工神经网络聚类

1．图像处理：图像的基本类型、图像数据的读取与显示、图像的几何变换与增强、图像分割与区域分析、基于OCR的图像识别、基于图像资料的数据重建与拟合

2．层次聚类原理与案例

3．K均值聚类原理与案例

4．模糊C均值聚类原理与案例

5．高斯混合聚类原理与案例

6．自组织特征映射网络（SOM网络）

7．现场练习与答疑

4月18日下午

14:00—17:00

五、降维技术

六、经典的模式识别与分类算法

第15讲 主成分分析

第16讲 决策树

第17讲 K近邻学习

第18讲 距离判别

第19讲 贝叶斯判别

第20讲 支持向量机

第21讲 随机森林

第22讲 模式识别网络

1．主成分分析

2．决策树分类器

3．K近邻分类器

4．距离判别

5．贝叶斯分类器

6．支持向量机分类器

7．随机森林分类器

8．浅层神经网络分类

9．案例讲解

10．练习与答疑

4月19日上午

9:00—12:00

七、基于深度学习的模式识别与分类

第23讲 深度学习基础与应用

1．深度学习基础：深度堆栈自编码网络的结构与原理、深度卷积神经网络的结构与原理

2．迁移学习

3．常用深度学习模型

4．深度学习应用案例：深度学习在数字和人脸识别中的应用、深度学习在肺癌识别与预测中的应用

5．MATLAB深度网络设计器

6．练习与答疑

4月19日下午

14:00—17:00

八、APP设计与封装发布

九、MATLAB AI辅助编程

第24讲 MATLAB APP设计工具

第25讲 基于AI大模型的MATLAB辅助编程

1．用APP设计工具开发自己的界面程序

2．基于AI大模型的数据读取与可视化及MATLAB编程

3．基于AI大模型的优化建模、求解与MATLAB编程

4．基于AI大模型的MATLAB GUI界面设计

5．用MATLAB调用DeepSeek API和豆包 API

6．Trae集成开发环境

7．案例讲解

8．练习与答疑

十、辅助教程

1．分组讨论  2．关键问题解析  3．学后交流