Website
Modulhandbuch bis 2016

Modul CS4220

Statistische Mustererkennung (SME)

Dauer:


1 Semester
Angebotsturnus:


Wird nicht mehr angeboten
Leistungspunkte:


4
Studiengang, Fachgebiet und Fachsemester:
  • Master Medizinische Ingenieurwissenschaft 2011 (Wahlpflicht), Mathematik, 1. Fachsemester
  • Master Mathematik in Medizin und Lebenswissenschaften 2010 (Pflicht), Mathematik, 1. oder 3. Fachsemester
  • Master Medizinische Ingenieurwissenschaft 2011 (Vertiefung), Bildgebende Systeme, Signal- und Bildverarbeitung, 1. Fachsemester
  • Master Informatik 2012 (Pflicht), Informatik-Pflichtveranstaltungen, 1. Fachsemester
Lehrveranstaltungen:
  • CS4220-Ü: Mustererkennung (Übung, 1 SWS)
  • CS4220-V: Mustererkennung (Vorlesung, 2 SWS)
Workload:
  • 20 Stunden Prüfungsvorbereitung
  • 45 Stunden Präsenzstudium
  • 55 Stunden Selbststudium
Lehrinhalte:
  • Grundlagen der Wahrscheinlichkeitstheorie
  • Grundlagen der Merkmalsextraktion und Mustererkennung
  • Bayes’sche Entscheidungstheorie
  • Diskriminanzfunktionen
  • Neyman-Pearson-Test
  • Receiver Operating Characteristic
  • Parametrische und nichtparametrische Dichteschätzung
  • kNN-Klassifikator
  • Lineare Klassifikatoren
  • Support-vector-machines und kernel trick
  • Random Forest
  • Neuronale Netze
  • Merkmalsreduktion und -transformation
  • Bewertung von Klassifikatoren durch Kreuzvalidierung
  • Ausgewählte Anwendungsszenarien: Akustische Szenenklassifikation für die Steuerung von Hörgeräte-Algorithmen, akustische Ereigniserkennung, Aufmerksamkeitserkennung auf EEG-Basis, Sprecher- und Emotionserkennung
Qualifikationsziele/Kompetenzen:
  • Die Studierenden können die Grundlagen von Merkmalsextraktion und Klassifikation erklären.
  • Sie können die Grundlagen statistischer Modellierung darstellen.
  • Sie können Merkmalsextraktions-, Merkmalsreduktions- und Entscheidungsverfahren in der Praxis anwenden.
Vergabe von Leistungspunkten und Benotung durch:
  • Klausur oder mündliche Prüfung nach Maßgabe des Dozenten
Modulverantwortlicher:
Lehrende:
Literatur:
  • R. O. Duda, P. E. Hart, D. G. Storck: Pattern Classification - New York: Wiley
Sprache:
  • Wird nur auf Deutsch angeboten
Bemerkungen:

Ersetzt durch CS4220-KP04 Mustererkennung.

Prüfungsvorleistungen können zu Beginn des Semesters festgelegt werden. Sind Vorleistungen definiert, müssen diese vor der Erstprüfung erbracht und positiv bewertet worden sein.
(Ist gleich CS4220SJ14)

Letzte Änderung:
17.7.2019