RR OO ZZ PP OO ZZ NN AA WW AA NN II EE OO BB RR AA ZZ ÓÓ
Transkrypt
RR OO ZZ PP OO ZZ NN AA WW AA NN II EE OO BB RR AA ZZ ÓÓ
R RO OZZPPO OZZN NA AW WA AN NIIEE O OB BR RA AZZÓ ÓW W K o d p r z e d m i o t u : 6.9-WM-IB1S-47A-POB T yp p r z e d m i o tu : Obieralny Wymagania wstępne: Analiza matematyczna, Metody probabilistyczne J ę z yk n a u c z a n i a : polski, angielski O d p o w i e d z i a l n y z a p r z e d m i o t : dr inż. Andrzej Marciniak Semestr Liczba godzin w tygodniu Forma zajęć Liczba godzin w semestrze P r o w a d z ą c y: Forma zaliczenia Punkty ECTS Studia stacjonarne Wykład 15 1 Laboratorium 30 2 Projekt 15 1 Egzamin VI 6 Zaliczenie na ocenę Zaliczenie na ocenę ZAKRES TEMATYCZNY PRZEDMIOTU: Wprowadzenie. Przykłady praktycznych zastosowań dla systemów rozpoznawania obrazów. Reprezentacja stanów; reprezentacja logiczna; reprezentacja proceduralna, recepcja i struktura przestrzeni cech. Podstawy teorii decyzyjnej. Recepcja i struktura przestrzeni cech. Redukcja problemu wymiarowości. Przetwarzanie wstępne danych, selekcja i ekstrakcja cech. Metoda analizy czynników głównych w ekstrakcji cech. Strategie przeszukiwań optymalnego zbioru cech: przeszukiwanie sekwencyjne, rozgałęź i przytnij. Uczenie maszynowe. Typy uczenia: uczenie z nadzorem, uczenie bez nadzoru, uczenie zachowań, kryteria oceny systemów uczących. Metody szacowania zdolności uogólniania systemów uczących się: techniki bootstrappingu i walidacji krzyżowej. Miara Vapnika-Chervonenkisa. Zagadnienia autoasocjacji i heteroasocjacji. Nieparametryczne klasyfikatory statystyczne. Metody odległościowe rozpoznawania obrazów: reguła najbliższego sąsiada, metoda k-najbliższych sąsiadów i jej modyfikacje. Metody jądrowe estymacji wartości funkcji gęstości prawdopodobieństwa. Metody wzorców: metoda otoczeń kulistych, metoda najbliższej mody. Omówienie problemu doboru wzorców. Metody analizy dyskryminacyjnej. Liniowa dyskryminanta Fishera dla przypadku dwóch i więcej klas. Separowalność obiektów w przestrzeni cech. Wypukłość zbiorów. Regiony i granice decyzyjne. Wykresy rozproszenia. Parametryczne klasyfikatory statystyczne. Twierdzenie Bayesa, „naiwny” klasyfikator bayesowski, kwadratowa funkcja dyskryminacyjna, schematy MAP i GAP, metoda mini-max. Analiza skupień. Algorytmy klasteryzacji przez podział: algorytm k-średnich, algorytm z progowaniem, algorytm Batchelora-Wilkinsa, algorytm Isodata i jego modyfikacje, algorytm rozmyty c-średnich. Klasteryzacja hierarchiczna. Reguły sąsiedztw, metody drzewowe, reguły obcięć, metoda górska. Metody weryfikacji drzew. Rozpoznawanie strukturalne. Metody ciągowe, kody Freemana, język opisu Shawa. Praktyczne zastosowania klasyfikatorów. Systemy biometryczne, obrazowanie biomedyczne, śledzenie celu, segmentacja i kompresja obrazów. EFEKTY KSZTAŁCENIA: Wydział Mechaniczny Kierunek: Inżynieria Biomedyczna Umiejętności i kompetencje w zakresie: projektowania i implementacji systemów automatycznego rozpoznawania wzorców. Opanowanie podstaw teorii decyzyjnej, rozpoznawania i analizy obrazów biomedycznych, systemów biometrycznych, a także podstawowych technik przetwarzania informacji. Zapoznanie się z możliwościami i sposobami wykorzystania metod teoretycznodecyzyjnych i syntaktycznych w rozpoznawaniu i komputerowym wspomaganiu diagnostyki medycznej WARUNKI ZALICZENIA: Wykład — warunkiem zaliczenia jest uzyskanie pozytywnej oceny z egzaminu pisemnego. Laboratorium — warunkiem zaliczenia jest uzyskanie pozytywnych ocen ze wszystkich ćwiczeń laboratoryjnych, przewidzianych do realizacji w ramach programu laboratorium. Projekt — warunkiem zaliczenia jest uzyskanie pozytywnej oceny za realizację indywidualnego projektu. LITERATURA PODSTAWOWA: 1. 2. 3. Kwiatkowski W.: Metody automatycznego rozpoznawania wzorców, BEL-Studio, Warszawa, 2001 Tadeusiewicz R., Flasiński M.: Rozpoznawanie obrazów, PWN, Warszawa, Duda P., Hart R., Stork O.: Pattern Classification, Wiley, New York, 2000 LITERATURA UZUPEŁNIAJĄCA: 1. 2. 3. Tadeusiewicz, R.: Systemy wizyjne robotów przemysłowych, Warszawa, WNT 1992 Watkins C.D., Sadun A., Marenka S.: Nowoczesne metody przetwarzania obrazu, WNT, Warszawa, 1995 Wojciechowski, K.: Rozpoznawanie obrazów, Politechnika Śląska, Gliwice Wydział Mechaniczny Kierunek: Inżynieria Biomedyczna