課程資訊
課程名稱
圖形分析辨認
Pattern Analysis and Classification 
開課學期
109-2 
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
3.0 
全/半年
半年 
必/選修
選修 
上課時間
星期一3,4,5(10:20~13:10) 
上課地點
資101 
備註
總人數上限:60人 
Ceiba 課程網頁
http://ceiba.ntu.edu.tw/1092CSIE5079_ 
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
每週四 15:00~16:00 備註: 助教時間 
參考書目
1. S. Theodoridis, K. Koutroumbas, Pattern Recognition, 4th ed., Academic
Press, 2009.
2. C. M. Bishop, Pattern Recognition and Machine Learning, Springer, 2006.
 
指定閱讀
R. Duda, P. Hart, D. Stork, Pattern Classification, 2nd Ed., John Wiley and Sons, 2000.
 
評量方式
(僅供參考)
 
No.
項目
百分比
說明
1. 
Homework assignments 
20% 
 
2. 
Mid-Term Exam 
30% 
 
3. 
Special Topic Presentation 
20% 
 
4. 
Term Project 
25% 
 
5. 
Class Participation 
5% 
 
 
課程進度
週次
日期
單元主題
第1週
02/22  Introduction 
第2週
03/01  228假期 
第3週
03/08  Chapter 1. Pattern Recognition Overview
Chapter 2. Bayesian Decision Theory 
第4週
03/15  Chapter 2 Bayesian Decision Theory 
第5週
03/22  Chapter 2. Bayesian Decision Theory 
第6週
03/29  Chapter 2. Bayesian Decision Theory
Chapter 3. Supervised Learning Using Parametric Approaches 
第7週
04/05  清明節 
第8週
04/12  Chapter 3. Supervised Learning Using Parametric Approaches 
第9週
04/19  Chapter 3. Supervised Learning Using Parametric Approaches 
第10週
04/26  Chapter 3. Supervised Learning Using Parametric Approaches 
第11週
05/03  Chapter 4. Supervised Learning Using Nonparametric Approaches 
第12週
05/10  Closed-Book Midterm Exam 
第13週
05/17  Chapter 5. Linear Discriminant Functions 
第14週
05/24  Term Project Proposal (I)
Chapter 5. Linear Discriminant Functions 
第15週
05/31  Term Project Proposal (II)
Chapter 10. Unsupervised Learning and Clustering 
第16週
06/07  Special Topic Presentation 
第17週
06/14  端午假期 
第18週
06/21  Term Project: Final Presentation