課程資訊
課程名稱
圖形分析辨認
PATTERN ANALYSIS AND CLASSIFICATION 
開課學期
96-2 
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
星期三7,8,9(14:20~17:20) 
上課地點
資102 
備註
總人數上限:98人 
Ceiba 課程網頁
http://ceiba.ntu.edu.tw/962PR 
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, image analysis, video surveillance,
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, 2001.

Reference Book:
S. Theodoridis, K. Koutroumbas, Pattern Recognition, 3rd ed.,
Academic Press, 2006.

 
指定閱讀
 
評量方式
(僅供參考)
 
No.
項目
百分比
說明
1. 
Homeworks 
30% 
 
2. 
Two Exams 
40% 
 
3. 
Term Project 
30% 
 
 
課程進度
週次
日期
單元主題
第1週
02/20  Introduction // Chapter 1. Overview 
第2週
02/27  Chapter 1. Overview //
Chapter 2. Bayesian Decision Theory 
第3週
03/05  Chapter 2 Baysian Decision Theory 
第4週
03/12  Chapter 2 Baysian Decision Theory 
第5週
03/19  Chapter 2 Baysian Decision Theory /
Chapter 3 Supervised Learning Using Parametric Approaches (MLE) 
第6週
03/26  First Exam 
第7週
0402  Chapter 3 Supervised Learning Using Parametric Approaches (Bayesian Est) 
第8週
0409  Chapter 3 Supervised Learning Using Parametric Approaches (PCA) 
第9週
04/16  Chapter 3 Supervised Learning Using Parametric Approaches (LDA) 
第10週
04/23  Chapter 4 Supervised Learning Using Nonparametric Approaches 
第11週
04/30  Chapter 10 Unsupervised Learning and Clustering 
第12週
05/07  2ND EXAM 
第13週
05/14  Term Project Description + Background Modeling + Cascaded Adaboost + People Detection 
第14週
05/21  Vehicle Detection + Manifold Learning 
第15週
05/28  Chapter 5 Linear Discriminant Functions + 多面向自我覺察 
第16週
06/04  Chapter 5 Linear Discriminant Functions + Fuzzy Clustering 
第17週
06/11  SVM + Chapter 10 Unsupervised Learning and Clustering 
第18週
06/18  Demo of Term Projects