圖形識別

臺北科技大學 115-1 學期課程，課號 366427。

學期：115-1
授課教師：張陽郎
學分：3
選修
上課時段：週三 2、3、4 節

課程大綱

The course includes: Introduction to Pattern Recognition, Bayesian Decision Theory, Maximum-Likelihood & Bayesian Parameter Estimation, Non-Parametric Classification - Density Estimation, K-Nearest Neighbor Estimation, The Nearest-Neighbor Rule, Multi-Classifier - Positive Boolean Function, Linear Discriminant Functions, Pattern Recognition of High Dimensional Data Sets, Pattern Recognition for Remote Sensing Images, Biometric Certification, Video Surveillance, Accuracy Assessments and Other Related Topics. 本課程介紹電腦科學中圖形識別的基本原理與相關技術，使學生了解各種圖形識別的分類方法，經由對分類問題的分析，瞭解如何將輸入樣本依不同特性加以分類，並熟悉圖形識別系統之相關議題如：分割、特徵擷取、分類、後處理、訓練、監督/非監督式學習、機器學習，進而了解分類問題，增進其解決實際圖形識別分類問題的能力。課程內容包括下列課題：圖形識別概論, Bayesian Decision Theory, Maximum-Likelihood, 非參數法學習, K-Nearest Neighbor Estimation, The Nearest-Neighbor Rule, Positive Boolean Function多分類器, Linear Discriminant Functions，高維資料分類, 分類正確率評估(Accuracy Assessments)及其他重要的應用，例如: 文件分析、生物辨識、影像監控、遙測影像分類、醫療診斷、資料探勘等概念，最後並透過相關論文的研讀及討論，了解近代圖形識別的最新發展趨勢。

課程進度

第 1週 W1: Pattern Recognition (PR) Syllabus 第 2週 W2: An introduction to PR and its applications 第 3週 W3: Bayesian Decision Theory (BDT)–Continuous Features 第 4週 W4: BDT–Minimum-Error-Rate Classification 第 5週 W5: BDT–Discrete Features 第 6週 W6: Maximum-Likelihood & Bayesian Parameter Estimation 第 7週 W7: Non-Parametric Classification - Density Estimation 第 8週 W8: Linear Discriminant Functions 第 9週 W9: High Dimensional Data sets (Midterm Exam) 第10週W10: PR of Remote Sensing (Midterm Project Proposal) 第11週W11: Accuracy Assessment 第12週W12: PR of Video Surveillance 第13週W13: PR Special Topics in Parallel Computing 第14週W14: PR Special Topics in High Performance Computing 第15週W15: PR Term Project Presentation 第16週W16: PR Term Project Presentation 第17週W17: PR Independent Study 第18週W18: PR Independent Study

評量方式

作業、考試成績 Homework Assignments and Exams (50%) 專題 Term project (oral presentation and term paper) (50%)

教材

【遵守智慧財產權觀念，請使用正版教科書，不得使用非法影印教科書】使用外文原文書：是參考書 Reference : Pattern Classification by R. O. Duda, P. E. Hart and D. G. Stork, John Wiley & Sons