Jump label

Service navigation

Main navigation

You are here:

Main content

Lecture: Pattern Recognition (Mustererkennung)

Mustererkennung gehört zu den Bemühungen der modernen Informationstechnik, Wahrnehmungsleistungen zu automatisieren, wie sie sonst von natürlichen Vorbildern bekannt sind. 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 diesem Kontext wird in der Vorlesung die Klassifikation von Mustern detailliert untersucht. Klassifikation bedeutet dabei, daß ein Muster als Gesamtheit einem Begriff, d.h. einer Klasse zugewiesen wird. Im Gegensatz zu verwandten Forschungsdisziplinen (z.B. Künstliche Intelligenz) liegt der behandelte Schwerpunkt auf wahrscheinlichkeitstheoretischen Familien von Klassifikatoren wie z.B. dem Bayes-Klassifikator oder Mischverteilungsklassifikatoren, sogenannten verteilungsfreien Klassifikatoren. Darüber hinaus werden aktuelle diskriminative Methoden (z.B. kernelbasierte Verfahren wie Support Vector Machines) vorgestellt.

Die Veranstaltung richtet sich an Studierende zu Beginn ihres Hauptstudiums (bzw. Master) und dient v.a. als Grundlage für weitergehende Veranstaltungen im Kontext Intelligente Systeme bzw. Mensch-Maschine Kommunikation. Beispiele für darauf aufbauende Veranstaltungen sind u.a. die Vorlesungen "Spracherkennung" oder "Computer Vision". Darüber hinaus stellen die vermittelten Kenntnisse wichtige Voraussetzungen für ein weites Anwendungsfeld von statistischen Analysen realer Daten dar (z.B. Robotik, Bildinterpretation, Bioinformatik, Chemoinformatik etc.).

Der Zeitplan zur Durchführung der Veranstaltung beinhaltet zwei wöchentlich stattfindende Vorlesungen (zwei- bzw. einstündig). Darüber hinaus findet unmittelbar im Anschluss an die Vorlesungszeit ein einwöchiger Übungsblock statt. In diesem werden die vorher gewonnenen Erkenntnisse in praktischen Übungen (Matlab) am Rechner vertieft.

Zur Erlangung eines Leistungsnachweises ist eine mündliche Prüfung vorgesehen.

Der erfolgreiche Besuch der Veranstaltung stellt die Voraussetzung für die Mitarbeit an Projekten bzw. die Durchführung von Diplomarbeiten in relevanten Themengebieten im Bereich Intelligente (Institut für Roboterforschung) Systeme dar.

Literatur - allgemein:

  • Niemann, H.: Klassifikation von Mustern, Springer-Verlag, Berlin 1983
  • Fukunaga, K.: Introduction to Statistical Pattern Recognition, Academic Press, Boston, 2. Auflage, 1990
  • Schürmann, J.: Pattern Classification, John Wiley & Sons, New York, 1996
  • Hastie T., Tibshirani R., Friedman J.: The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Springer-Verlag, Berlin, 2001
Spezialliteratur
  • Wavelets
    • Bäni, W.: Wavelets Oldeburg, München, Wien, 2002
    • Daubechies, I.: Ten Lectures on Wavelets CBMS-NSF Regional Conference Series in Applied Mathematics. Society for industrial and applied mathematics. 1992
  • Support Vector Machines
    • Schölkopf B, Smola A.: Learning with Kernels MIT Press, 2002
    • Christiani N., Shawe-Taylor, J.: An introduction to Support Vector Machines Cambridge University Press, 2000
    • Burges, C.J.: A tutorial on Support Vector Machines for Pattern Recognition in Data Mining and Knowledge Discovery 2, 121-167, 1998
Relevante Zeitschriften (Auswahl): Relevante Konferenzen (Auswahl):
  • International Conference on Pattern Recognition (ICPR)
  • International Conference on Computer Vision and Pattern Recognition (CVPR)
  • International Conference on Neural Information Processing Systems (NIPS)
  • International Conference on Machine Learning (ICML)
  • European Conference on Machine Learning (ECML)
  • Annual Symposium of the German Association for Pattern Recognition (DAGM)
  • ...

 

Veranstalter:
Dr.-Ing. Thomas Plötz
Abteilung Intelligente Systeme
Institut für Roboterforschung
Universität Dortmund
Otto-Hahn-Strasse 8, R. 103
Tel.: 0231 755 4645 / Email: Thomas.Ploetz (at) uni-dortmund.de

Übungen:
Die (praktischen) Übungen zur Vorlesung finden vom

19. - 22. Februar 2007, jeweils 9.00 Uhr - 17.00 Uhr

im

Pool des IRF, Otto-Hahn-Straße 8, R. 111

statt.

Die Materialien zu den Übungen inkl. Daten und Arbeitsblättern finden Sie hier (Uebungen_ME0607.zip). Darüber hinaus sind die Rohdaten für den realen Datensatz hier (Uebungen_ME0607_addon.zip) zu finden.

Musterlösungen zu den Aufgaben finden Sie hier.

 Eine vorläufige nicht notwendigerweise fehlerfreie Version des Skriptes finden Sie hier. Evtl. Fehler teilen Sie bitte dem Veranstalter mit.

Hinweis zum Copyright Die meisten der verwendeten Grafiken entstammen: