Pattern Recognition

Was sind "Muster?"

Mustererkennung bezeichnet den Prozess des automatischen Erkennend von Regelmäßigkeiten, Wiederholungen, Ähnlichkeiten oder Gesetzmäßigkeiten in einer Menge von Daten, z. B. in Sensorsignalen, Warenkörben, oder Bildern. Derartige Gesetzmäßigkeiten werden dann Muster genannt. Wichtige Teilaufgaben der Mustererkennung sind beispielsweise die Vorverarbeitung der Daten, die Dimensionsreduktion, Klassifikation oder Clustering.

Inhalt der Vorlesung

Die Vorlesung "Pattern Recognition" beschäftigt sich mit der Mustererkennung aus einer eher probabilistischen Sichtweise. Daher werden nach einer ausführlichen Einführung in die Problematik, wobei insbesondere auf Unterschiede in frequentistischen und Bayes’schen Schätzverfahren eingegangen wird, zunächst verschiedene Wahrscheinlichkeitsverteilungen besprochen. Anschließend wird auf grundlegende Techniken der linearen Klassifikation und der linearen Regression eingegangen, die die Basis für viele weiterführende Methoden bilden. Beide Bereiche sind dem überwachten Lernen zuzuordnen. Unüberwachtes Lernen findet man beispielsweise beim Clustering von Daten. Ein bekannter Algorithmus ist hier k-means, ein Spezialfall eines Expectation-Maximization-Verfahrens. Am Beispiel Gauß’scher Mischmodelle werden solche Verfahren ausführlich diskutiert. Einen weiteren wichtigen Schwerpunkt der Vorlesung bilden Support Vector Machines aus dem Bereich der statistischen Lerntheorie.

Inhalt der Übung

Ziel der Übung ist, dass die Teilnehmer(innen) selbständig mathematische Modelle für gegebene Problemstellungen entwickeln können. Eher theoretische Übungsaufgaben spielen daher eine wichtige Rolle.



Ein mittels Variationaler Inferenz trainiertes Gauß’sches Mischmodell auf dem RIPLEY Datensatz. Die Kreuze und Kreise stellen die Muster und deren Klassenzuordnungen dar. Die Ellipsen entsprechen Höhenlinen der Gaußkomponenten, die einen Mahalanobis-Abstand von eins von dessen jeweiligem Zentrum (Mittelwert der Gaußverteilung) besitzen.

Informationen
  • Ansprechpartner für die Vorlesung sind Prof. Dr. Bernhard Sick und M.Sc. Christian Gruhl.

  • Formale, allgemeine Angaben zur Vorlesung (z. B. Zuordnung zu Anwendungsgebieten, Kreditpunkte, Prüfungsart) sind im Modulhandbuch zu finden.
    Studiengang -> Prüfungsordnung -> Modul

  • Jeweils aktuelle Informationen zur laufenden Vorlesung (z. B. Folien, Literaturhinweise, Prüfungstermine) werden im Moodle der Universität Kassel bereitgestellt.

  • Link zum Vorlesungsverzeichnis