教學大綱表
請遵守智慧財產權,勿使用非法影印教科書,避免觸法。
課程名稱 (中文) 圖形識別
(英文) Pattern Recognition
開課單位 資訊工程研究所
課程代碼 I4560
授課教師 虞台文
學分數 3.0 必/選修 選修 開課年級 研究所
先修科目或先備能力:Linear Algebra, Probability
課程概述與目標: 圖形識別為智慧型系統重要的一個單元,為各種辨識技術,如:電腦視覺、語音辨識、生物辨識等,的主要基礎。主要授課內容包括:各種識別技術、特徵擷取方法、與機器學習等。本課程對未來從事各項智慧型系統的深入研究,有莫大幫助。
教科書 Pattern Classification (2nd Edition)
Richard O. Duda, Peter E. Hart, and David G. Stork
參考教材 Computer Manual in MATLAB to Accompany Pattern Classification, Second Edition, by David G. Stork, Elad Yom-Tov
課程大綱 學生學習目標 單元學習活動 學習成效評量 備註
單元主題 內容綱要
1 Introduction 1. The goal of pattern classification
2. The main components
3. Some practical examples
Introduction
  • 討論
  • 講授
  • 問答
  • 作業
  •  
    2 Bayesian Decision Theory 1. Bayesian Decision Theory
    2. Classifiers, Discriminant Functions, and Decision Surfaces
    Bayesian Decision Theory
  • 討論
  • 講授
  • 問答
  • 作業
  •  
    3 Bayesian Decision Theory 3. The Normal Density
    4. Discriminant Functions for the Normal Density
    Bayesian Decision Theory
  • 討論
  • 講授
  • 問答
  • 報告
  •  
    4 Maximum Likelihood 1. Maximum Likelihood Estimation
    2. Baysian Estimation
    Maximum Likelihood
  • 討論
  • 講授
  • 問答
  • 作業
  •  
    5 Bayesian Parameter Estimation 1. Bayesian Parameter Estimation: Gaussian Case
    2. Bayesian Parameter Estimation: General Theory
    Bayesian Parameter Estimation
  • 討論
  • 講授
  • 問答
  • 作業
  •  
    6 Hidden Markov Models 1. Hidden Markov Models
    2. Evaluation, Decoding, and Learning
    Hidden Markov Models
  • 討論
  • 講授
  • 問答
  • 平時考
  •  
    7 Nonparametric Techiques 1. Density Estimation
    2. Parzen window
    3. Nearest-Neighbor Estimation
    Nonparametric Techiques
  • 討論
  • 講授
  • 問答
  • 作業
  •  
    8 Nonparametric Techiques 4. Nearest-Neighbor Rule
    5. Metrics and Nearest-Neighbor Classification
    Nonparametric Techiques
  • 討論
  • 講授
  • 問答
  • 報告
  •  
    9 Review Review Mid-term
  • 心得發表
  • 期中考
  •  
    10 Linear Discriminant Functions 1. Linear Discriminant Functions and Decision Surfaces
    2. Two-Category Linearly Separable Case
    3. Minimizing the Perceptron Criterion Function
    Linear Discriminant Functions
  • 討論
  • 講授
  • 問答
  • 作業
  •  
    11 Linear Discriminant Functions 4. Relaxation Procedures
    5. Minimum Squared-Error Procedures
    Linear Discriminant Functions
  • 討論
  • 講授
  • 問答
  • 作業
  •  
    12 Multilayer Neural Networks 1. Feedforward Operation and Classificaion
    2. Backpropagation Algorithm
    3. Error Surface
    Multilayer Neural Networks
  • 討論
  • 講授
  • 問答
  • 報告
  •  
    13 Multilayer Neural Networks 4. Backpropagation as Feature Mapping
    5. Backpropagation, Bayes Theory and Probability
    6. Practical Techniques for Improving Backpropagaion
    Multilayer Neural Networks
  • 討論
  • 講授
  • 問答
  • 作業
  •  
    14 Stochastic Methods 1. Stochastic Search
    2. Boltzmann Learning
    Stochastic Methods
  • 討論
  • 講授
  • 問答
  • 作業
  •  
    15 Nonmetric Methods 1. Decision Trees
    2. CART
    Nonmetric Methods
  • 討論
  • 講授
  • 問答
  • 平時考
  •  
    16 Nonmetric Methods 3. Grammatical Methods
    4. Grammatical Inference
    Nonmetric Methods
  • 討論
  • 講授
  • 問答
  • 作業
  •  
    17 Unsupervised Learning and Clustering 1. Unsupervised Bayesian Learning
    2. Data Description and Clustering
    Unsupervised Learning and Clustering
  • 討論
  • 講授
  • 問答
  • 作業
  •  
    18 Review Review Final
  • 心得發表
  • 期末考
  • 報告
  •  

    教學要點概述:
    教材編選: ■ 自編教材 □ 教科書作者提供
    評量方法:
    教學資源: ■ 教材電子檔 □ 課程網站
    扣考規定:http://eboard.ttu.edu.tw/ttuwebpost/showcontent-news.php?id=504