TU Wien:Statistische Mustererkennung VO (Melzer)
Contents
Daten[edit]
| Lecturers | Projektass. Dipl.-Ing. Thomas Melzer |
|---|---|
| ECTS | 3 |
| Department | Forschungsbereich Computer Vision |
| Links | Homepage, Mattermost-Channel |
| Master Visual Computing | Wahlmodul Mustererkennung - Vertiefung |
Mattermost: Channel "statistische-mustererkennung" • Register • Mattermost-Infos
Inhalt[edit]
- Einführung und Motivation
- Merkmalsextraktion
- Einfache Klassifikatoren: Perceptron, Margin
- Statistische Grundlagen, Parameterschätzung
- Multivariate Statistik: multivariate Normalverteilung, Kovarianzmatrix, Transformation von Zufallsvariablen
- Bayes Theorem
- Loss und Risk
- Regression und Pseudo-Inverse
- Optimale Klassifikation für multivariat normalverteilte Merkmale, Abschätzung der Fehler-Rate, Minimax-Kriterium
- Lineare Merkmalsextraktion: Diagonalisierung, Eigenwertzerlegung, Rayleigh-Quotient, KLT, PCA, LDA
- Dichteschätzung: parametrische (Bayes, ML) und nichtparametrische (Parzen, k-NN) Verfahren
Benötigte Vorkenntnisse[edit]
Wortlaut im TUWIS[edit]
Der vorhergehende Besuch einer Statistik-Vorlesung wird empfohlen. Grundkenntnisse in linearer Algebra (Invertierbarkeit, Rang, lineare Unabhängigkeit) sind von Vorteil.
Anmerkung[edit]
Der Inhalt der Vorlesung überschneidet sich teilweise mit dem Inhalt aus Einführung in die Mustererkennung VO, geht jedoch wesentlich stärker auf die dahinter stehende Mathematik bzw. Statistik ein. Es ist zumindest hilfreich, Einführung in die Mustererkennung VO zuvor besucht zu haben.
Vortrag[edit]
Der Vortrag von Thomas Melzer ist gut, ansprechend und interessant, es fällt meistens leicht, zu folgen. Selten schweift er etwas ab, meistens aber gibt er weiterführende Erklärungen, Herleitungen und Beispiele zu dem in den Folien behandelten Inhalt.
Prüfung[edit]
25.01.2010: schriftlich, 5 Fragengebiete mit je 3 bis 4 Fragen zu je 5 bis 10 Punkten, 100 Punkte gesamt. Eigene leere Blätter mitbringen ;-) Fragen siehe Materialien.
Zeitaufwand[edit]
Wo gibts Mitschriften, Skripten, Folien...[edit]
Die (sehr guten) Folien finden sich auf der Webseite der LVA: statistische mustererkennung VO (25.10.2010)
Tipps[edit]
Bemerkungen[edit]
Persönlich hatte ich mir mehr Methoden der Mustererkennung und weniger statistische Grundlagen erwartet, was aber, im Nachhinein betrachtet, eigentlich aus der Inhaltsangabe im TUWIS hervorgegangen wäre.
Verbesserungsvorschläge / Kritik[edit]
noch offen
