Sprungmarken

Service navigation

Hauptnavigation

You are here:

Bereichsnavigation

Hauptinhalt

Vorlesung Mustererkennung im WS 2009/10


Praktische Übungen: Zeit: 22.-26. Februar 2010 (9 bis 17 Uhr)
Ort: Institut für Roboterforschung, Otto-Hahn-Str. 8, R.111

Beachte: Anmeldung erforderlich bis 31.1.2010!

Einführung:

Mustererkennung gehört zu den Bemühungen der modernen Informationstechnik, Wahrnehmungsleistungen zu automatisieren, wie sie sonst von natürlichen Vorbildern bekannt sind. Prominente Anwendungsfelder sind das Erkennen von Schrift, das Verstehen gesprochener Sprache und die Interpretation von Bildern. In verschiedenen Bereichen wie der Ökologie, der Mikrobiologie und der Robotik werden Mustererkennungsverfahren zunehmend zur Analyse von Messsequenzen eingesetzt.

In diesem Kontext wird in der Vorlesung die Klassifikation von Mustern detailliert untersucht. Klassifikation bedeutet dabei, dass ein Muster als Gesamtheit einem Begriff - d.h. einer Klasse - zugewiesen wird. Im Gegensatz zu verwandten Forschungsdisziplinen (z.B. Künstliche Intelligenz) liegt der behandelte Schwerpunkt auf wahrscheinlichkeitstheoretischen Familien von Klassifikatoren, wie z.B. dem Bayes-Klassifikator oder Mischverteilungsklassifikatoren, und sogenannten verteilungsfreien Klassifikatoren. Darüber hinaus werden aktuelle diskriminative Methoden (z.B. kernelbasierte Verfahren wie Support Vector Machines) vorgestellt.

Die Veranstaltung richtet sich an Studierende zu Beginn ihres Haupt- bzw. Masterstudiums und dient v.a. als Grundlage (Basismodul) für weitergehende Veranstaltungen im Forschungsbereich "Intelligente Systeme". Beispiele für darauf aufbauende Veranstaltungen sind u.a. die Vorlesungen/Module "Spracherkennung" oder "Computer Vision". Darüber hinaus stellen die vermittelten Kenntnisse wichtige Voraussetzungen für ein weites Anwendungsfeld von statistischen Analysen realer Daten dar (z.B. Robotik, Bildinterpretation, Bioinformatik, Chemoinformatik etc.).

Basismodul (INF-MA-232) im Master (Angewandte) Informatik

Schwerpunktgebiet: 2 (..., Embedded Systems, ...), 7 (Intelligente Systeme)

Literatur:

  • Niemann, H.: Klassifikation von Mustern, Springer-Verlag, Berlin 1983
  • Duda, R. O.; Hart, P. E.; Stork, D. G.: Pattern Classification, Wiley, New York, 2. Auflage, 2001
  • Hastie T. et al.: The Elements of Statistical Learning, Springer, 2001
  • Fukunaga, K.: Introduction to Statistical Pattern Recognition, Academic Press, Boston, 2. Auflage, 1990

Materialien zur Vorlesung: