Mustererkennung gehört zu den Bemühungen der modernen Informationstechnik, Wahrnehmungsleistungen zu automatisieren, wie wir sie sonst von natürlichen Vorbildern kennen. 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 der Vorlesung wird die Klassifikation von Mustern detailliert untersucht. Klassifikation bedeutet dabei, daß ein Muster als Gesamtheit einem Begriff, d.h. einer Klasse zugewiesen wird. Als Familien von Klassifikatoren werden wahrscheinlichkeitstheoretische Ansätze wie z.B. der Bayes-Klassifikator oder Mischverteilungsklassifikatoren, der Polynomklassifikator, Hidden-Markov-Modelle
sowie das Multilayer-Perzeptron als neuronale Technik behandelt.
Literatur:
H. Niemann: Klassifikation von Mustern, Springer-Verlag, Berlin 1983
K. Fuhanaga: Introduction to Statistical Pattern Recognition. Academic Press, Boston, 2. Auflage, 1990
J. Schürmann: Pattern Classification, John Wiley & Sons, New York, 1996
Rhythmus | Tag | Uhrzeit | Format / Ort | Zeitraum | |
---|---|---|---|---|---|
wöchentlich | Mo | 10-12 | H2 | ||
wöchentlich | Fr | 12-13 | H10 |
Studiengang/-angebot | Gültigkeit | Variante | Untergliederung | Status | Sem. | LP | |
---|---|---|---|---|---|---|---|
Mediengestaltung / Bachelor | (Einschreibung bis SoSe 2004) | Wahlpflicht | GS und HS | ||||
Naturwissenschaftliche Informatik / Diplom | (Einschreibung bis SoSe 2004) | Sprachverarbeitung | Wahlpflicht | HS | |||
Naturwissenschaftliche Informatik / Diplom | (Einschreibung bis SoSe 2004) | Robotik | Wahlpflicht | HS | |||
Naturwissenschaftliche Informatik / Diplom | (Einschreibung bis SoSe 2004) | CV; ME | Wahlpflicht | HS |