|
|
|
||
Poslední úprava: Kukal Jaromír doc. Ing. Ph.D. (15.11.2012)
|
|
||
Poslední úprava: Kukal Jaromír doc. Ing. Ph.D. (15.11.2012)
Studenti budou umět: Navrhnout příznakový popis pro statistické rozpoznávání Využít transformací dat ke zvýšení kvality rozpoznávání Aplikovat standardní metody rozpoznavání Vyhodnotit kvalitu rozpoznávacího systému |
|
||
Poslední úprava: Kukal Jaromír doc. Ing. Ph.D. (15.11.2012)
Z Fukunaga K., Introduction to Statistical Pattern Recognition, Academic Press, London, 1990 D Shawe-Taylor J., Cristianini N., Kernel Methods for Pattern Analysis, Cambridge University Press, Cambridge, 2009 D Scholkopf B., Smola A.J., Learning with Kernels, MIT Press, Cambridge, 2002 |
|
||
Poslední úprava: Kukal Jaromír doc. Ing. Ph.D. (15.11.2012)
interní studijní materiály |
|
||
Poslední úprava: Kukal Jaromír doc. Ing. Ph.D. (11.09.2013)
1. Třída, vzor, příznakový popis, množina vzorů ke statistckému rozpoznávání 2. Repetitorium základních pojmů matematické statistiky. 3. Kvalita příznakového popisu: nejlepší příznak, vhodná kombinace libovolných příznaků 4. Lineární diskriminační analýza jako nástroj pro rozpoznávání 5. Hodnocení kvality rozpoznávání: p-hodnota, senzitivita, specificita, chyba, AIC, BIC 6. Metodika křížové validace při hodnocení kvality rozpoznávání 7. Lineární transformace dat: normalizace, standardizace, PCA, sférizace 8. Robustní a regularizované metody, jejich výhody při rozpoznávání 9. Využití metrik v rozpoznávání: Euklides, Minkowski, Mahalanobis, k-NN, c-mean 10. Využití hustoty pravděpodobnosti v rozpoznávání: Parzenův a LQ odhad, GMM 11. Lineární, nelineární a logistická regrese jako nástroje pro rozpoznávání 12. Redukce příznakového popisu s využitím binární optimalizace 13. Jádrové funkce při konstrukci nelineárních klasifikátorů 14. Využití fuzzy množin k rozpoznávání: fuzzifikace, FCM |
|
||
Poslední úprava: Kukal Jaromír doc. Ing. Ph.D. (15.11.2012)
Základní znalosti z matematické statistiky a programování v MATLABu. |
|
||
Poslední úprava: TAJ445 (30.09.2013)
žádné |
Zátěž studenta | ||||
Činnost | Kredity | Hodiny | ||
Konzultace s vyučujícími | 0.5 | 14 | ||
Účast na přednáškách | 1 | 28 | ||
Práce na individuálním projektu | 2 | 56 | ||
Příprava na zkoušku a její absolvování | 0.5 | 14 | ||
Účast na seminářích | 1 | 28 | ||
5 / 5 | 140 / 140 |
Hodnocení studenta | |
Forma | Váha |
Aktivní účast na výuce | 40 |
Ústní zkouška | 60 |