課程資訊
課程名稱
圖形分析辨認
PATTEN ANALYSIS AND CLASSIFICATION 
開課學期
95-2 
授課對象
電機資訊學院  資訊網路與多媒體研究所  
授課教師
洪一平 
課號
CSIE5079 
課程識別碼
922 U3030 
班次
 
學分
全/半年
半年 
必/選修
選修 
上課時間
星期三2,3,4(9:10~12:10) 
上課地點
資107 
備註
總人數上限:60人 
Ceiba 課程網頁
http://ceiba.ntu.edu.tw/952PR 
課程簡介影片
 
核心能力關聯
核心能力與課程規劃關聯圖
課程大綱
為確保您我的權利,請尊重智慧財產權及不得非法影印
課程概述

The outline of this course is given below.
I. Pattern Recognition Overview
II. Bayesian Decision Theory
III. Supervised Learning Using Parametric Approaches
IV. Supervised Learning Using Non-parametric Approaches
V. Linear Discriminant Functions
VI. Unsupervised Learning and Clustering
VII. Special Topics in PR


 

課程目標
The goal of this course is to introduce the basic concepts and techniques used
in the field of pattern recognition (PR). Broadly speaking, PR is a science
that concerns the classification (or recognition) of measurements. It has many
important applications, for example, document analysis, face recognition,
fingerprint identification, speech recognition, medical diagnosis, data
mining, and information retrieval.  
課程要求
 
預期每週課後學習時數
 
Office Hours
 
參考書目
Textbook:R. Duda, P. Hart, D. Stork, `Pattern Classification and Scene Analysis,` second edition, John Wiley and Sons, 2000. 
指定閱讀
 
評量方式
(僅供參考)
 
No.
項目
百分比
說明
1. 
Homeworks 
20% 
 
2. 
Two Exams 
40% 
 
3. 
Term Project 
35% 
 
4. 
In-class Performance 
5% 
 
 
課程進度
週次
日期
單元主題
第1週
2/28  Holiday 
第2週
3/7  Introduction 
第3週
3/14  Chapter 1 Overview 
第4週
3/21  Chapter 2 Bayesian Decision Theory (Section 2.1) 
第5週
3/28  Chapter 2 Bayesian Decision Theory (Sections 2.2 - 2.6) 
第6週
4/4  Chapter 3 Supervised Learning Using Parametric Approach (Section 3.1) 
第7週
4/11  First Midterm 
第8週
4/18  Chapter 3 Supervised Learning Using Parametric Approach (Section 3.2) 
第8週
4/18  Adaboost  
第10週
4/25  Chapter 3 Supervised Learning Using Parametric Approach (Section 3.3.1) 
第11週
5/2  Chapter 3 Supervised Learning Using Parametric Approach (Section 3.3.2) 
第12週
5/9  Chapter 4 Supervised Learning Using Nonparametric Approach 
第13週
5/16  Second Midterm 
第14週
5/23  Chapter 10 Unsupervised Learning and Clustering 
第14週
5/23  Background Modeling 
第15週
5/30  Tracking: Mean Shift  
第15週
5/30  Chapter 10 Unsupervised Learning and Clustering 
第15週
5/30  Tracking: Particle Filtering 
第16週
6/6  Skin Color Detection 
第16週
6/6  Feature Extraction 
第16週
6/6  Hidden Markov Models (Section 3.10)  
第17週
6/13  Term Project Presentation 
第18週
6/20  Term Project Demo and Evaluation