2021.3.26-28 ▏MATLAB数据及图像处理与机器学习
各企事业单位、科研院所及高等院校：
在人类科技高速发展的今天，对于广大科研和工程技术人员来说，如果不能熟练掌握一种科学计算软件，将会变得寸步难行，从数据处理到产品开发，处处都离不开科学计算。MATLAB是一种功能强大，简单易学的科学计算软件，为解决广大科研及工程技术人员在使用MATLAB过程中遇到的技术问题，特举办“MATLAB数据及图像处理与机器学习研讨会”。本次会议以科研和工程应用实例为主线，结合典型问题，从基础到提高式的系统研讨MATLAB应用技巧，帮助参会人员顺利掌握MATLAB，利用MATLAB平台进行科研或工程技术研发工作。
一、会议目标
1. 从零基础起步，深入研讨MATLAB的基本操作和各种编程技巧；
2. 通过实例讲解科学计算及其可视化，参会人员将学习MATLAB的各种作图技巧，为国内外期刊论文插图提供必要的技术支持；
3. 通过典型案例的分析练习，参会人员将讨论如何用MATLAB进行大数据的管理和挖掘，并使用常见的分析工具分析数据，为科学研究提供更可靠的数据分析能力；
4. 基于MATLAB最新版本，通过具体案例的分析与讨论，参会人员还将学会常用的机器学习（如深度学习）算法及其应用、信号处理与图像处理方法。
二、参会对象
各省市、自治区从事数据处理、图像处理、人工智能程序设计、工程计算、控制设计、医疗卫生、信号处理与通讯、信号检测、金融建模设计与分析、生物信息处理等领域相关人员；各国内、省市重点大学相关专业的研究生及老师。
三、时间地点
1. 时间：2021年3月26日 —— 2021年3月28日
2. 会议地点：线上（腾讯会议）
四、会议特色
1. 资深专家深入讲解MATLAB相关操作技能，由浅入深、从理论到实践全面解析；
2. 分组研讨，全程互动，专家面对面分享经验、答疑解惑；
3. 案例驱动，全面讲解数据及图像处理与机器学习方法；
4. 面对面上机操作，注重软件实现。
注：参会人员需自带笔记本电脑。
五、费用标准
¥RMB：3600元/人（含报名费，会议费，资料费）。付款方式：
1、提前转账
开户名称：天津均知科技有限公司
开户银行：中国工商银行股份有限公司天津津塘路支行
银行账号：0302040409300145123
2、扫码支付
注：会后邮寄会议发票与盖章邀请函，若办理参会流程提前需要，请与会务组联系。
六、报名联系方式
联系人: 何老师 手 机：13512834413 QQ: 80785298
报名方式：网上报名
七、主讲教师
谢中华，MATLAB技术论坛创始人之一，MATLAB中文论坛资深版主，资深MATLAB培训师。已出版书籍《MATLAB与数学建模》、《MATLAB统计分析与应用：40个案例分析》、《MATLAB从零到进阶》、《新编MATLAB/Simulink自学一本通》。
八、会议内容
|
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 |
|
