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
Beyerer J, Richter M, Nagel M: Pattern Recognition. De Gruyter Oldenbourg 2018
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

Prof. Dr. Beate Meffert
29.03.2021, 18:47:23