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