Mustererkennung (CS4220/CS4220 T)

2 SWS Vorlesung mit 1 SWS Übung.

Da die Vorlesung nur noch dem Master MML als Pflicht betrifft, wird am 19.4.23 das Vorgehen für die Vorlesung besprochen.
Uhrzeit: 12-14 Uhr
Ort: ISIP Seminarraum, Gebäude 64, 1. OG, Raum 30b

Klausur

Zulassungsvoraussetzungen zur Prüfung: Erfolgreiche Bearbeitung der Übungsaufgaben während des Semesters (mind. 50% der erreichbaren Punkte).

Es findet eine schriftliche Prüfung für Mustererkennung statt, zu der man sich über das QIS anmelden muss.

Wenn die Prüfung in Ihrem Studiengang nicht regulär vorgesehen ist und Sie die Leistung dennoch angerechnet haben möchten, schreiben Sie uns bitte eine E-Mail: iris.kruck@uni-luebeck.de.

1. Termin Mustererkennung: 15.08.2023
2. Termin Mustererkennung: 13.10.2023

Zugelassene Hilfsmittel:

• handgeschriebene zweiseitige Formelsammlung (DIN A4)
• Taschenrechner und Zeichenmaterial

Übung

Infos dazu finden Sie im Moodlekurs.

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