Mustererkennung II

Typ:            Spezialvorlesung
Veranstalter:    Prof. Dr.-Ing. Hans Burkhardt
Zeit und Ort:    Vorlesung:    Di. 11.00 -12.30 h ; SR 0-031, Geb. 051
Mitwirkung:     Bernard Haasdonk

Beginn:     Dienstag, 16.4.2002

Kreditpunkte: 3
 

Beschreibung:

Die Vorlesung vertieft den Stoff im Bereich der Mustererkennung aus der Kursvorlesung. Zunächst wird der Ansatz zur Extraktion von Invarianten bei geschlossenen Konturen auf die affine Transformation verallgemeinert; der Rest der Vorlesung widmet sich einer Vertiefung des Klassifikatorentwurfs. Während die Kursvorlesung den stochastischen, parametrischen Ansatz mit vorgegebenen Verteilungsdichten betont hat, wird in diesem zweiten 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.

 

Inhalt:

• Affininvariante Fourierdeskriptoren
• Klassifikatorentwurf auf der Basis nichtlinearer Regression
• Polynomklassifikator,
• Neuronale Netze mit Lernstrategien
• Support-Vektor-Maschine

Voraussetzung: Kursvorlesung

Übung

Der Übungsteil der Veranstaltung (auf freiwilliger Basis) 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.
 
 

Das Material zur Veranstaltung wurde inzwischen mit dem des Wintersemesters zusammengeführt:

Material zu ME-I (WS 01/02) und ME-II (SS 02)