Allgemeiner Kurskatalog WiSe 2012/13 - Fakultät für Maschinenbau ...

Stand: 24.10.2012
Mustererkennung
Pattern Recognition
Dozent: Ostermann, Münkel E-Mail:
muenkel@tnt.uni~
Ziel des Kurses:
Ziel der Vorlesung ist es, den Studierenden einen Gesamtüberblick über Mustererkennungsverfahren
mit dem Schwerpunkt der bildlichen Mustererkennung zu vermitteln. Die Studierenden sollen in der
Lage sein, diverse erlernte Vorverarbeitungsoperationen sowie numerische und nichtnumerische
Klassifikationsverfahren von Mustern auf reale Daten anzuwenden. Dabei sollen ihnen verschiedene
Repräsentationsformen von Wissen und entsprechende Lernverfahren, dieses Wissen aufzubauen, zur
Verfügung stehen.
Inhalt:
- Einführung, Grundlagen der Mustererkennung, Verfahren der Wissensrepräsentation
- Bildbeschreibung, Ähnlichkeitsmaße, Strategien der Mustererkennung
- Numerische Klassifikation
- Entscheidungstabelle, Entscheidungsbaum
- Nahester-Nachbar-Klassifikation, prototypbasierte Klassifikation, Bayes-Klassifikator,
Merkmalsauswahl
- Clusteranalyse, neuronale Netze, strukturelle Klassifikation, syntaktische Mustererkennung
- Graphvergleichende Verfahren: Relaxation, dynamische Programmierung, heuristische Suche
- Modellauswertende Verfahren: wissensbasierte Verfahren, erfahrungsbasierte Klassifikation
- Sichere Klassifikation, heuristische Klassifikation
Empfohlene Vorkenntnisse:
Kenntnisse der Ingenieursmathematik
Voraussetzungen:
---
Literaturempfehlung:
Liedtke, Ender: Wissensbasierte Bildverarbeitung, Springer-Verlag 1989;
Puppe: Problemlösungsmethoden in Expertensystemen, Springer-V, 1990; Winston: Artificial
Intelligence, Addison-Wesley 1992.
Besonderheiten:
---
Präsenzstudienzeit: 32h
Selbststudienzeit: 88h
Empfohlen ab dem: 1. Semester
Seite 228
Art der Prüfung: schriftlich
V2/Ü1
ECTS-LP (alt LP): 4 WS
Institut für Informationsverarbeitung