Home  | Impressum | Sitemap | KIT

Mustererkennung

Mustererkennung
Typ: Vorlesung
Semester: Hauptdiplom / Master
Ort:

Geb. 50.34 HS -101

Zeit: Mi 14:00 - 15:30
Beginn: 20.04.2016
Dozent: Prof. Dr.-Ing. Jürgen Beyerer
SWS: 2
ECTS: 3
LVNr.: 24675
Prüfung:

Prüfungsmöglichkeiten

Die Mustererkennung ist ein Teilgebiet der Informatik. Sie beschäftigt sich mit der maschinellen Erkennung und Klassifikation von Objekten anhand von Bildern und anderen Signalen. Während das kognitive System des Menschen in der Lage ist, selbst komplexe Muster in gestörten Signalen intuitiv zu erfassen, muss diese Fähigkeit einem maschinellen System erst in einem problemangepassten Verfahren beigebracht werden. Beispiele für die Anwendung von Verfahren der Mustererkennung sind die Spracherkennung, Identifikation durch Biometrie, optische Zeichenerkennung (OCR) sowie die automatische Sichtprüfung.

Inhalt der Vorlesung

Mustererkennung arbeitet im Wesentlichen mit vier grundlegenden Konzepten: Klassen, Mustern, Merkmalen und Klassifikatoren. Klassen partitionieren die betrachtete Domäne in Teilmengen äquivalenter Objekte. Muster sind durch Beobachtung oder Messung gewonnene Daten über Objekte. Merkmale dienen zur Beschreibung charakteristischer Eigenschaften von Objekten und Klassen. Sie werden aus den Mustern extrahiert. Klassifikatoren sind Entscheidungsverfahren für die Festlegung der mutmaßlichen Klassenzugehörigkeit von Objekten anhand ihrer Merkmale.

Der erste Teil der Vorlesung behandelt die Auswahl, Gewinnung und Eigenschaften von Merkmalen. Ausführlich wird auf mathematische Methoden eingegangen, die zu geeigneten Merkmale führen. Der zweite Teil der Vorlesung befasst sich mit verschiedenen Klassifikatoren und Klassifikationsmethoden. Schwerpunkte sind die Leistung von Klassifikatoren und die Verarbeitungskette Problemstellung – Muster – Merkmal – Klassifikator. Darüber hinaus werden grundsätzliche Fragestellungen wie: Parameterschätzung, Klassifikation auf der Basis von qualitativen Merkmalen, die Problematik zu hoher Dimension des Merkmalsraumes, Overfitting, Rückweisungskriterien und der Zusammenhang mit der statistischen Lerntheorie behandelt.

Klausur Mustererkennung

Das Datum der schriftlichen Prüfung Mustererkennung ist Donnerstag, 04.08.16 von 14:15 bis 15:45 im Benz-Hörsaal im Gebäude 10.21.

Anmeldung Klausur Mustererkennung
Die Anmeldung zur Klausur Mustererkennung ist online bis zum 28.7. möglich.

Studierende der Informatik können sich je nach SPO online über QISPOS oder CAS anmelden. Studierende anderer Fakultäten, die sich nicht online anmelden können, müssen sich bei ihrer Fakultät anmelden. In diesem Fall muss am Tag der Prüfung ein Nachweis der Prüfungsberechtigung (blauer Zettel) mitgebracht werden. Zusätzlich bitten wir um eine formlose Meldung per E-Mail an gabriele.gross∂kit.edu und matthias.richter∂kit.edu.
Wichtig: Die E-Mail ist keine bindende Anmeldung und ersetzt nicht die Anmeldung bei der Fakultät, sondern dient dazu die Gesamtzahl der Anmeldungen zu ermitteln.

Musterlösung Klausur 04.08.2016
Die Musterlösung kann hier herunter geladen werden.

Klausurergebnisse Mustererkennung
Die Klausurergebnisse hängen an der Eingangstür (Glastür) zum Lehrstuhl IES (Geb 50.21) aus. Die Noten der Klausur Mustererkennung sind auch im Online-Portal eingetragen.

Klausureinsicht Mustererkennung
Die Klausureinsicht findet am Mittwoch den 24.08.2016 von 13:00 bis 16:00 Uhr in der Bibliothek des Lehrstuhls IES (Geb 50.21) statt.

Nachklausur Mustererkennung
Die Nachklausur Mustererkennung findet statt am Donnerstag, den 23.02.2017 von 11:00 bis 13:00 Uhr im Hörsaal Grashof (Geb. 10.91, Raum 231)

Material zur Vorlesung

Die Vorlesungsfolien werden semesterbegleitend zur Verfügung gestellt. Zum Herunterladen der PDF-Dateien benötigen Sie die Zugangsdaten, die in der Vorlesung genannt werden.
GrößeStand
Kapitel 18.14 MB   29.06.2016
Kapitel 25.62 MB   29.06.2016
0.01 MB   10.01.2011
Kapitel 32.90 MB   08.06.2016
Kapitel 41.12 MB   22.06.2016
Kapitel 51.96 MB   29.06.2016
Kapitel 61.08 MB   29.06.2016
Kapitel 73.67 MB   20.07.2016
Kapitel 81.40 MB   20.07.2016
Kapitel 90.61 MB   20.07.2016

Musterlösungen zu den Klausuren

Bewertungen der Vorlesung