Mustererkennung
Inhalt
Inhalt der Lehrveranstaltung sind die Gewinnung und Reduktion von
Merkmalen und die Klassifikation von Mustern.
Die Lehrveranstaltung besteht aus Vorlesungen,
Übungen
und einem
Praktikum.
Voraussetzung: Kenntnisse der Lehrveranstaltung „Grundlagen der Signalverarbeitung“.
Gliederung
- Einführung
- Mustererkennungsprozess
- Vorverarbeitung
- Merkmalsgewinnung
- Merkmalsreduktion
- Überblick über Klassifikationsverfahren
- Abstandsklassifikatoren
- Bayes-Klassifikator
- Nächster-Nachbar-Klassifikator
- Fuzzy-Klassifikatoren
- Clusterverfahren
- Anwendungsbeispiele
Literatur
Ahrens H, Läuter J: Mehrdimensionale Varianzanalyse. Berlin: Akademie-Verlag 1981
Bishop CM: Pattern Recognition and Machine Learning. Springer 2006
Bow ST: Pattern Recognition. 2.Aufl. New York: Marcel Dekker 2002
Duda RO, Hart PE, Stork DG: Pattern Classification. 2nd ed. John Wiley & Sons 2001
Fahrmeir L, Tutz G: Multivariate Statistical Modelling. 2.Aufl. Berlin: Springer 2001
Fink GA: Mustererkennung mit Markov-Modellen. Stuttgart: Teubner 2003
Fukunaga K: Introduction to Statistical Pattern Recognition. London: Academic 1990
Göttsche T: Einführung in das SAS-System für den PC. Stuttgart: Gustav Fischer 1999
Haberäcker P: Praxis der Digitalen Bildverarbeitung und Mustererkennung. München: Hanser 1995
Henrion G, Henrion A, Henrion R: Beispiele zur Datenanalyse. Berlin: Dt. Verlag der Wissenschaften 1988
Jain AK, Dubes RC: Algorithms for Clustering Data. Englewood Cliffs: Prentice Hall 1988
Köhler W (ed.): Musterbildung und Mustererkennung. Stuttgart: Haug 1999
Läuter J: Stabile multivariate Verfahren. Berlin: Akademie-Verlag 1992
Niemann H: Pattern Analysis and Understanding. 2.Aufl. Berlin: Springer 1990
Paulus D: Applied Pattern Recognition. Wiesbaden: Vieweg 2003
Radig B (ed.): Mustererkennung 1991. Heidelberg: Springer 1991
Theodoridis K, Koutroumbas K: Pattern Recognition. 4th ed. Academic Press 2009
Material zur Vorlesung
- Vorlesungsfolien (ohne Kommentare)
(PDF)
Prof. Dr. Beate Meffert
23.03.2017, 12:37:07