| 學分數 |
3
|
修課時數 |
3
|
開課班級 |
日間部碩士班1年級 A班
|
| 本課程與系所培養學生能力指標關聯度 |
|---|
| 核心能力 | 能力指標 | 高度關聯 | 中度關聯 | 低度關聯 |
| 資訊系統、晶片與整合電之專業知識 | 整合電路之專業知識能力。 | | ✔ | | | 專題研究策劃與執行能力 | 專題研究執行之能力。 | | ✔ | | | 領導、管理及規劃能力 | 領導、管理之能力。 | | ✔ | |
|
| 本課程培養學生下列知識： |
|
本課程的目的是使學生熟悉一個圖形識別系統的整體流程，其中涉及從數據採集到圖形分類的各個步驟都，圖形識別的一個關鍵組成部分是特徵抽取，因此課程中將介紹幾個特徵抽取的技術，接著課程介紹基本的分類，其中包含統計、隨機分布及非參數分類器、貝氏定理分類器，線性與非線性分類器以及非監督式分群演算法等。透過此課程學生可以學習圖形識別之技術以及應用，本課程的課程目標為：1.瞭解圖形識別基本流程2.瞭解特徵生成之特性3.瞭解特徵抽取之技術4.瞭解分類器之技術5.瞭解分群演算法之技術The goal of this course is to familiarize the students with the overall pipeline of a Pattern Recognition System. The various steps involved from data capture to pattern classification are presented. A key component of Pattern Recognition is feature extraction. Thus, several techniques for feature computation will be presented. The courses conclude with a basic introduction to classification. The principles of statistical, distribution-free and nonparametric classification approaches will be presented. Within this context we will cover Bayesian and Gaussian classifiers, as well as artificial neural networks. The accompanying exercises will provide further details on the methods and procedures presented in this lecture with particular emphasis on their application.
|
| 每週授課主題 |
|
第01週：簡介第02週：線性決策函數第03週：非線性決策函數第04週：最小距離分類器第05週：群與分群第06週：基於分群的分類器-1第07週：基於分群的分類器-2第08週：基於分群的分類器-3第09週：期中考第10週：基於統計的分類器第11週：常態分佈圖樣第12週：機率密度函數估測第13週：特徵選取第14週：模糊分群第15週：支持向量機-1第16週：支持向量機-2第17週：提升演算法第18週：期末考
|
| 成績及評量方式 |
|
期中考：30%小考：30%期末考：30%作業：10%
|
| 證照、國家考試及競賽關係 |
|
本課程無證照、國家考試及競賽資料。
|
| 主要教材 |
|
1. 書名：Introduction To Pattern Recognition: Statistical, Structural, Neural and Fuzzy Logic Approaches 作者：Menahem Friedman, Abraham Kandel 出版社：world scientific ISBN：9789810233129 出版年：1999 (教科書)
|
| 教師資料 |
教師網頁：http://lms.ctl.cyut.edu.tw/2000160
E-Mail： wccheng@cyut.edu.tw
Office Hour：
星期一,第5~6節,地點:R-213;
星期二,第5~6節,地點:R-213;
分機:5208
|
|