Esteu accedint a un curs acadèmic que no està actiu. La informació no correspon al curs acadèmic actual.

Temari

Temari

Temari de teoria:

  1. Introducció. Què és el reconeixement de formes (RF)?. Configuració d'un sistema RF. Taxonomia del RF.
  2. Disseny d'experiments. Mètriques d'avaluació.
  3. Tècniques paramètriques. 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..
  4. Tècqnies no paramètriques. Finestres de Parzen. Regles dels k-veïns mes pròxims. Veïnat envoltant. Selecció de prototips: Edició i Condensat.
  5. Tècniques no supervisades. Anàlisi d'agrupaments. Validació de l'agrupament.
  6. Reducció de la dimensionalitat. 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:

  1. Generació de classes en 2D. Distribucions normals multidimensionals i projeccions. Visualització d'una imatge multiespectral.
  2. Entrenament amb classificadors paramètrics. Estimació de densitat de probabilitat.
  3. Entrenament amb classificadors no paramètrics. Edició i condensat.
  4. Matriu de confusió. Clustering utilitzant l'algoritme k-means, EM clustering i clustering jeràrquic.
  5. Selecció de característiques amb tècniques wrapper.
  6. Maneig d'una màquina de suport vectorial. Visualització de dades en l'espai kernel.