Inhalt

Mathematische Methoden der Mustererkennung

Organisatorisches

Pflichtveranstaltung im 1. Semester (Winter) des Master-Studiengangs Informatik.
Umfang: 4h seminaristische Lehrveranstaltung

Inhalt

Diese Veranstaltung behandelt die mathematischen Grundlagen, die in den Anwendungsfächern des Master-Studiengangs wie z.B. Bildanalyse, Spracherkennung oder Information Retrieval benötigt werden. Dazu gehören

Prüfung

Die Fachprüfung erfolgt durch eine benotete Prüfung.

Literatur

Bitte beachten Sie, dass die Einschätzung der Literatur mein subjektiver Eindruck ist. Erfahrungsgemäß weichen die Meinungen der Studierenden darüber, welche Bücher gut sind, erheblich von den Meinungen der Lehrenden ab!

Webb: Statistical Pattern Recognition. Wiley-Interscience 2002 (2. Auflage)
Sehr gutes Buch, das nicht ganz so umfassend ist wie das Buch von Duda et al., dafür werden aber alle verwendeten Konzepte erläutert und am Ende jedes Kapitels ein Überblick über weiterführende Literatur gegeben. Leider fehlt ein Kapitel über Hidden-Markov Modelle, so dass für diese Veranstaltung weitere Literatur benötigt wird.
Theodoridis, Koutrambas: Pattern Recognition. Elsevier 2009 (4. Auflage)
Sehr umfassendes und aktuelles Buch zur Mustererkennung, das insbesondere zur Clusteranalyse viele Verfahren behandelt.
Duda, Hart, Stork: Pattern Classification. John Wiley and Sons 2001
Oft zitiertes Buch, das einen Rundumschlag über fast alle eingesetzten mathematischen Methoden enthält. Leider ist die Darstellung in vielen Fällen so knapp und ungenau (und in manchen Fällen sogar fehlerhaft), dass bei der Lektüre oft naheliegende Fragen offen bleiben.
Rabiner: A Tutorial on Hidden Markov Models and Selected Applications in Speech Recognition. Procedings of the IEEE, Vol. 77, No. 2, pp. 257-286, February 1989
Einführung in Hidden-Markov Modelle. Eine selbstarchivierte Version des Artikels findet man auf der Webseite des Autors.
Dalitz: Reject Options and Confidence Measures for kNN Classifiers. In C. Dalitz (Ed.): "Document Image Analysis with the Gamera Framework." Schriftenreihe des Fachbereichs Elektrotechnik und Informatik, Hochschule Niederrhein, vol. 8, pp. 16-38, Shaker Verlag (2009)
Zum Thema Reject-Option und Classifier Confidence. Eine Kopie dieses Artikels finden Sie unter meiner Publikationsliste.
Manning, Raghavan, Schütze: Introduction to Information Retrieval. Cambridge University Press (2008)
Kapitel 16 und 17 behandeln gut und leicht verständlich verschiedene Clustering Methoden.
Wollschläger: R kompakt. Springer (2013)
Einführung in R, auf die Sie aus dem Hochschulnetz zugreifen können.

Download

Inhaltsüberblick
inhalt.pdf
Übungen
ueb01.pdf, ueb02.pdf, ueb03.pdf, ueb04.pdf, ueb05.pdf, ueb06.pdf, ueb07.pdf, ueb08.pdf mit gaussian.bayes.r, ueb09.pdf, ueb10.pdf, ueb11.pdf, ueb12.pdf, ueb13.pdf, ueb14.pdf mit scatter.matrices.r, ueb15.pdf, ueb16.pdf, ueb17.pdf
Lösungen der R-Aufgaben
Einführung in R
r-intro-nopause.pdf mit Übungen
R versus SQL (Gegenüberstellung)
geTeXtes Script
Passwortgeschützt, nur für die Teilnehmer der Veranstaltung:
mmm-script.pdf (Stand 05.11.2015, komplett)