Què és el reconeixement de formes (RF)?. Configuració d'un sistema RF. Taxonomia del RF.
Introducció a la probabilitat. Teoria de la decisió de Bayes. Estimació de l'error. Funcions discriminants. La funció de densitat en distribucions normal. Estimadors de densitat de probabilitat..
Finestres de Parzen. Regles dels k-veïns mes pròxims. Veïnat envoltant. Selecció de prototips: Edició i Condensat.
Anàlisi d'agrupaments. Validació de l'agrupament. Aproximació difusa.
Estratègies de cerca. Funció criteri: error de classificació, separació entre classes, mesures de dependència i mesures d'informació. Ponderació de característiques. Extracció de característiques.
Temari de pràctiques:
Generació de classes en 2D. Distribucions normals multidimensionals i projeccions. Visualització d'una imatge multiespectral.
Entrenament amb classificadors paramètrics. Estimació de densitat de probabilitat.
Entrenament amb classificadors no paramètrics. Edició i condensat.
Matriu de confusió. Clustering utilitzant l'algoritme k-means, EM clustering i clustering jeràrquic.
Selecció de característiques amb tècniques wrapper.
Maneig d'una màquina de suport vectorial. Visualització de dades en l'espai kernel.