Pattern Recognition (lecture only) (PR)5 ECTS
(Prüfungsordnungsmodul: Pattern Recognition)

Lehrveranstaltungen:

• • Pattern Recognition
    (Vorlesung, 3 SWS, Stefan Steidl, Mo, 9:15 - 10:00, 00.153-113; Mi, 12:15 - 13:45, 00.153-113; ab 19.10.2011)

Empfohlene Voraussetzungen:

• Gute Kenntnisse in Wahrscheinlichkeitsrechnung und Linearer Algebra/Matrizenrechnung

• Der Besuch der Vorlesung 'Introduction to Pattern Recognition' ist nicht vorgeschrieben, aber sicherlich von Vorteil.

Inhalt:

• Bayesian classifier

• Logistic Regression

• Naive Bayes classifier

• Discriminant Analysis

• Norms and norm dependent linear regression

• Rosenblatt's Perceptron

• Optimization

• Support Vector Machines

• Kernel methods

• Expectation Maximization Algorithm

• Independent Component Analysis

• Model Assessment

• AdaBoost

Lernziele und Kompetenzen:

Die Studierenden

• lernen MATLAB-Programmierung

• verstehen die Struktur von Systemen zur Klassifikation einfacher Muster

• entwickeln ein Verständnis für das Design von Klassifikatoren

Literatur:

• Richard O. Duda, Peter E. Hart, David G. Stock: Pattern Classification, 2nd edition, John Wiley&Sons, New York, 2001

• Trevor Hastie, Robert Tobshirani, Jerome Friedman: The Elements of Statistical Learning - Data Mining, Inference, and Prediction, 2nd edition, Springer, New York, 2009

• Christopher M. Bishop: Pattern Recognition and Machine Learning, Springer, New York, 2006

Weitere Informationen:

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

1. Informations- und Kommunikationstechnik (Master of Science)
   (Po-Vers. 2010 | Schwerpunkt Multimediasysteme | Pflichtmodule | Pattern Recognition)

Studien-/Prüfungsleistungen:

mündliche Prüfung, Dauer (in Minuten): 30, benotet

weitere Erläuterungen:
30-minütige Prüfung über den Stoff der Vorlesung (ohne Übungen)

Erstablegung: WS 2011/2012, 1. Wdh.: SS 2012, 2. Wdh.: keine Wiederholung

1. Prüfer:

Joachim Hornegger