Summer Term 2020
Mustererkennung (CS4220/CS4220 T)
2 SWS Vorlesung mit 1 SWS Übung.
Ab WS 2014/2015 für:
- Master MIW Wahlpflicht
- Master MI Wahlpflicht
- Master MML Pflicht
- Für SS20 auf Antrag: Master Medieninformatik Wahlpflicht
- Master RAS Wahlpflicht
- Modulteil zum Modul Signalanalyse CS4510 für Master MIW, Master Informatik, Master EdT, Master Biophysik, Master IT-Sicherheit
- Modulteil zum Modul Aktuelle Themen der Robotik und Automation CS4290 für Master Informatik im Anwendungsfach Robotik und Automation
- Modulteil zum Modul Fortgeschrittene Signalverarbeitung CS5274-KP08 für Master HAT
Update 03.04.2020:
Wegen des Coronavirus kann die Vorlesung vorerst nicht als Präsenzveranstaltung stattfinden.
Siehe auch Uni-Seite.
Stattdessen werden Sie gebeten, das bereitgestellte Skript abschnittsweise durchzuarbeiten. Zur Ergänzung werden während der Vorlesungszeiten virtuelle WebEx-Treffen stattfinden, die für Fragen und Erläuterungen genutzt werden können. Beginn ist jeweils 12:15 Uhr. Das Ende können wir nach Bedarf flexibel halten.
Die Übungen werden in entsprechender Weise durchgeführt, wobei dann zu den Übungszeiten ebenfalls WebEx-Treffen stattfinden.
Bitte kommen Sie zur Vorbesprechung am Donnerstag, den 09.04.2020, um 12:15 Uhr in den virtuellen Raum:
Klausur
1. Klausurtermin: 04.08.2020, 8:00 - 10:00 Uhr, AM 1
2. Klausurtermin: 16.10.2020, 14:00 - 16:00 Uhr, AM 4
WICHTIG:
Die HAT Studenten schreiben Fortgeschrittene Signalverarbeitung (=AMSAV und Mustererkennung) am 04.08.2020 bzw. 16.10.2020.
Anmeldung dafür im Moodle bei Mustererkennung.
1. Termin für die HAT Studenten: Fortgeschrittene Signalverarbeitung: 04.08.2020, 8:00 - 11:00 Uhr, AM S4
2. Termin für die HAT Studenten: Fortgeschrittene Signalverarbeitung: 16.10.2020, 14:00 - 17:00 Uhr, AM S4
Zugelassene Hilfsmittel:
- handgeschriebene zweiseitige Formelsammlung (DIN A4)
- Taschenrechner und Zeichenmaterial
Übung
Die Übung findet alle 14 Tage statt.
Für weitere Infos auf Grund der Coronakrise finden Sie hier im Moodle: https://moodle.uni-luebeck.de/course/view.php?id=4889#section-4
Während der Präsenzzeit:
Folgende Termine stehen zur Verfügung:
- Mi, 12:00 - 14:00 Uhr, Seminarraum Mathematik 1 (Hilbert)
- Do, 14:00 - 16:00 Uhr, AM S2
Inhalte
Grundlagen der Wahrscheinlichkeitstheorie
Grundlagen der Merkmalsextraktion und Mustererkennung
Bayes’sche Entscheidungstheorie
Diskriminanzfunktionen
Neyman-Pearson-Test
Receiver Operating Characteristic
Parametrische und nichtparametrische Dichteschätzung
kNN-Klassifikator
Lineare Klassifikatoren
Support-vector-machines und kernel trick
Merkmalsreduktion und -transformation
Bewertung von Klassifikatoren durch Kreuzvalidierung
Empfohlene Literatur zur Vorlesung
R. O. Duda, P. E. Hart, and D. G. Storck: Pattern Classification - 2nd Ed., New York: Wiley
N. Cristianini and J. Shawe-Taylor: An Introduction to Support Vector Maschines (and other kernel-based learning methods) - Cambridge University Press 2000
C. M. Bishop: Pattern Recognition and Machine Learning – Springer 2009
Prof. Dr.-Ing. Alfred Mertins
G64, 1.OG, R93
+49 451 3101-5800
mertins(at)isip.uni-luebeck.de
Christine Droigk
G64, 1.OG, R30a
+49 451 3101-5815
droigk(at)isip.uni-luebeck.de
Termine
Donnerstags, 12.15 - 13.45 Uhr
Hörsaal T1
1. Termin: 09.04.2020
Moodle
Lehrmaterialien und weitere Informationen werden im zentralen Moodle-System der Universität zu Lübeck zur Verfügung gestellt!