查詢教學大綱與進度

教學大綱與進度

課程基本資料：

學年期課號課程名稱階段學分時數修教師班級人撤備註

110-1 294296 圖形識別 1 3.0 3 ★ 張陽郎電機所
電資外生所 52 4 ◎

學年期	課號	課程名稱	階段	學分	時數	修	教師	班級	人	撤	備註
110-1	294296	圖形識別	1	3.0	3	★	張陽郎	電機所電資外生所	52	4	◎

教學大綱與進度：

教師姓名張陽郎

Email ylchang@ntut.edu.tw

最後更新時間 2021-09-16 16:09:22

課程大綱 The course includes: Introduction to Pattern Recognition, Bayesian Decision Theory, Maximum-Likelihood & Bayesian Parameter Estimation, Non-Parametric Classification - Density Estimation, K-Nearest Neighbor Estimation, The Nearest-Neighbor Rule, Multi-Classifier - Positive Boolean Function, Linear Discriminant Functions, Pattern Recognition of High Dimensional Data Sets, Pattern Recognition for Remote Sensing Images, Biometric Certification, Video Surveillance, Accuracy Assessments and Other Related Topics. 本課程介紹電腦科學中圖形識別的基本原理與相關技術，使學生了解各種圖形識別的分類方法，經由對分類問題的分析，瞭解如何將輸入樣本依不同特性加以分類，並熟悉圖形識別系統之相關議題如：分割、特徵擷取、分類、後處理、訓練、監督/非監督式學習、機器學習，進而了解分類問題，增進其解決實際圖形識別分類問題的能力。課程內容包括下列課題：圖形識別概論, Bayesian Decision Theory, Maximum-Likelihood, 非參數法學習, K-Nearest Neighbor Estimation, The Nearest-Neighbor Rule, Positive Boolean Function多分類器, Linear Discriminant Functions，高維資料分類, 分類正確率評估(Accuracy Assessments)及其他重要的應用，例如: 文件分析、生物辨識、影像監控、遙測影像分類、醫療診斷、資料探勘等概念，最後並透過相關論文的研讀及討論，了解近代圖形識別的最新發展趨勢。

課程進度第 1週 W1: Pattern Recognition (PR) Syllabus 第 2週 W2: An introduction to PR and its applications 第 3週 W3: Bayesian Decision Theory (BDT)–Continuous Features 第 4週 W4: BDT–Minimum-Error-Rate Classification 第 5週 W5: BDT–Discrete Features 第 6週 W6: Maximum-Likelihood & Bayesian Parameter Estimation 第 7週 W7: Non-Parametric Classification - Density Estimation 第 8週 W8: Linear Discriminant Functions 第 9週 W9: High Dimensional Data sets (Midterm Exam) 第10週W10: PR of Remote Sensing (Midterm Project Proposal) 第11週W11: PR of Biometric Certification 第12週W12: PR of Video Surveillance 第13週W13: Accuracy Assessment 第14週W14: PR Special Topics in Parallel Computing 第15週W15: PR Special Topics in High Performance Computing 第16週W16: PR Term Project Presentation 第17週W17: PR Term Project Presentation 第18週W18: PR Term Project Presentation (Final Exam)

評量方式與標準作業、考試成績 Homework Assignments and Exams (50%) 專題 Term project (oral presentation and term paper) (50%)

使用教材、參考書目或其他 【遵守智慧財產權觀念，請使用正版教科書，不得使用非法影印教科書】

使用外文原文書：是
參考書 Reference : Pattern Classification by R. O. Duda, P. E. Hart and D. G. Stork, John Wiley & Sons

課程諮詢管道 ylchang@ntut.edu.tw

課程對應SDGs指標

備註 ●上課方式：遠距上課

●評量方式：
評量標準在符合防疫規範下，採線上出席紀錄與報告書評量。
The evaluation criteria are based on online attendance records and report evaluations.
●補充說明資訊：

教師姓名	張陽郎
Email	ylchang@ntut.edu.tw
最後更新時間	2021-09-16 16:09:22
課程大綱	The course includes: Introduction to Pattern Recognition, Bayesian Decision Theory, Maximum-Likelihood & Bayesian Parameter Estimation, Non-Parametric Classification - Density Estimation, K-Nearest Neighbor Estimation, The Nearest-Neighbor Rule, Multi-Classifier - Positive Boolean Function, Linear Discriminant Functions, Pattern Recognition of High Dimensional Data Sets, Pattern Recognition for Remote Sensing Images, Biometric Certification, Video Surveillance, Accuracy Assessments and Other Related Topics. 本課程介紹電腦科學中圖形識別的基本原理與相關技術，使學生了解各種圖形識別的分類方法，經由對分類問題的分析，瞭解如何將輸入樣本依不同特性加以分類，並熟悉圖形識別系統之相關議題如：分割、特徵擷取、分類、後處理、訓練、監督/非監督式學習、機器學習，進而了解分類問題，增進其解決實際圖形識別分類問題的能力。課程內容包括下列課題：圖形識別概論, Bayesian Decision Theory, Maximum-Likelihood, 非參數法學習, K-Nearest Neighbor Estimation, The Nearest-Neighbor Rule, Positive Boolean Function多分類器, Linear Discriminant Functions，高維資料分類, 分類正確率評估(Accuracy Assessments)及其他重要的應用，例如: 文件分析、生物辨識、影像監控、遙測影像分類、醫療診斷、資料探勘等概念，最後並透過相關論文的研讀及討論，了解近代圖形識別的最新發展趨勢。
課程進度	第 1週 W1: Pattern Recognition (PR) Syllabus 第 2週 W2: An introduction to PR and its applications 第 3週 W3: Bayesian Decision Theory (BDT)–Continuous Features 第 4週 W4: BDT–Minimum-Error-Rate Classification 第 5週 W5: BDT–Discrete Features 第 6週 W6: Maximum-Likelihood & Bayesian Parameter Estimation 第 7週 W7: Non-Parametric Classification - Density Estimation 第 8週 W8: Linear Discriminant Functions 第 9週 W9: High Dimensional Data sets (Midterm Exam) 第10週W10: PR of Remote Sensing (Midterm Project Proposal) 第11週W11: PR of Biometric Certification 第12週W12: PR of Video Surveillance 第13週W13: Accuracy Assessment 第14週W14: PR Special Topics in Parallel Computing 第15週W15: PR Special Topics in High Performance Computing 第16週W16: PR Term Project Presentation 第17週W17: PR Term Project Presentation 第18週W18: PR Term Project Presentation (Final Exam)
評量方式與標準	作業、考試成績 Homework Assignments and Exams (50%) 專題 Term project (oral presentation and term paper) (50%)
使用教材、參考書目或其他	【遵守智慧財產權觀念，請使用正版教科書，不得使用非法影印教科書】使用外文原文書：是參考書 Reference : Pattern Classification by R. O. Duda, P. E. Hart and D. G. Stork, John Wiley & Sons
課程諮詢管道	ylchang@ntut.edu.tw
課程對應SDGs指標
備註	●上課方式：遠距上課 ●評量方式：評量標準在符合防疫規範下，採線上出席紀錄與報告書評量。 The evaluation criteria are based on online attendance records and report evaluations. ●補充說明資訊：