| Beschreibung |
| Die Vorlesung behandelt grundlegende Methoden der Mustererkennung: Zunächst wird einleitend die Mustererkennung in die allgemeine Schätztheorie eingebettet und die wichtigsten Anwendungsgebiete werden diskutiert. Es folgen die Grundlagen der Mustererkennung mit der Erläuterung von Äquivalenzklassen, der lageinvarianten Merkmalsgewinnung sowie Eigenschaften wie Vollständigkeit und Separierbarkeit. In dem darauffolgenden Kapitel werden schnelle nichtlineare Algorithmen zur translationsinvarianten Klassifikation von Graubildern behandelt. Danach werden für Konturbilder ähnlichkeits- und affininvariante Merkmale hergeleitet und diese sogenannten Fourierdeskriptoren in ihren Abbildungseigenschaften und ihrer mathematischen Berechnungskomplexität behandelt. Der letzte Abschnitt der Vorlesung widmet sich dem Klassifikatorentwurf. Zunächst werden auf stochastischer Basis Optimalklassifikatoren entwickelt. Auf die Besonderheiten der sich dabei ergebenden Metriken und Auswertgleichungen wird näher eingegangen. Schließlich wird in einem weiteren Teil die Lösung auf der Basis der nichtlinearen Regression sowie der lernende Ansatz vertieft. Dazu gehören der optimale Polynomklassifikator sowie der lernende Ansatz mit Neuronalen Netzen mit Hilfe des Backpropagation Learning. Zuletzt wird die Support-Vektor-Maschine behandelt, ein recht neuer, statistisch begründeter Ansatz, welcher aus der gegebenen Stichprobe lernt und sehr gute Ergebnisse erzielt. |
| Eckdaten | |
| Typ: | Kursvorlesung / Weiterführende Informatik-Veranstaltung |
| Veranstalter: | Prof. Dr. Ing. H. Burkhardt |
| Zeit/Ort: | Mi 11-13, Fr 11-12, Geb.101 HS 26 |
| Übungen: | siehe Übungswiki Aufgrund von Spam ist das Wiki jetzt erst nach Anmeldung dort lesbar! |
| Beginn: | Freitag, 23.10.09 |
| Kreditpunkte: | 6 Kreditpunkte |
| Prüfung im WS: | Klausur: 25.03.2010, 14.00 Uhr, Geb. 101 026/036 |
| Prüfung im SS: | ? |
| Klausurvorbereitung |
| Hinweise zur Klausurvorbereitung inklusive Termine für Fragestunden und zusätzliches Übungsmaterial finden sich im Übungswiki. Aufgrund von Spam ist der Inhalt erst nach Anmeldung dort lesbar. Wer damit Probleme hat, kann sich gerne bei uns melden. |
| Zulassungsvorraussetzung zur Klausur |
| Das Erreichen von 60% der maximal erreichbaren Punkte und das Vorrechnen in den Übungsstunden ist erforderlich für die Bescheinigung der Teilnahme an den Übungen. Diese ist Voraussetzung für die Zulassung zur Prüfung (schriftliche Klausur oder mündlich). |
| Inhalt |
| 1. Einleitung und Angabe von Anwendungsgebieten |
| 2. Grundlagen der Mustererkennung (Äquivalenzklassen, lageinvariante Merkmalsextraktion) |
| 3. Lageinvariante Graubilderkennung (Die Klasse CT, parallele Implementierung, zweidimensionale Erweiterung, Reaktion auf systematische und stochastische Störungen, Clustereigenschaften) |
| 4. Lageinvariante Konturbilderkennung (Konturextraktion, Fourieranalyse, Fourierdeskriptoren für die Äquivalenzklasse ähnlicher und affiner Muster) |
| 5. Allgemeine Ansätze zur Berechnung von Invarianten |
| 6. Merkmalsreduktion, Merkmalsselektion |
| 7. Optimalklassifikator, MAP- und MLE-Kriterium, Metriken |
| 8. Neuronale Netze mit Lernstrategien |
| 9. Der Polynomklassifikator |
| 10. Support-Vektor-Maschinen |
| Übungen |
| Der Übungsteil der Veranstaltung beinhaltet
auf der einen Seite die Überprüfung des theoretischen Wissens,
wobei die mathematischen und systematischen Konzepte in kleineren Modulen
selbständig überprüft werden können und auf der anderen
Seite einen praktischen Anteil, worin Experimente und auch vollständige
Lösungen für kleinere Aufgabenstellungen u.a. in Scilab ausgearbeitet
und in ihrer Leistungsfähigkeit überprüft werden können.
Wöchentlich erfolgt eine Ausgabe von Übungsblättern, die
in der darauffolgenden Woche in der Übungsstunde behandelt werden. zum Übungswiki Aufgrund von Spam ist das Wiki jetzt erst nach Anmeldung dort lesbar! |
| Vorlesungsmaterial |
| Regelmässig aktualisierte Vorlesungsfolien des laufenden Semesters liegen hier im Übungswiki. Das Wiki ist aufgrund von Spam jetzt erst nach Anmeldung dort lesbar! |
| Zusätzliches Material |
| Slides in English (created in WS04/05, updated from time to time) |
| Video-Vorlesungsaufzeichungen (aufgezeichnet WS02/03) |
| Übungen und Lösungen aus dem WS05/06 und zugehörige Folien aus dem WS05/06 |