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

102-1 186196 圖形識別 1 3.0 3 ★ 張陽郎電機所 33 0 　

學年期	課號	課程名稱	階段	學分	時數	修	教師	班級	人	撤	備註
102-1	186196	圖形識別	1	3.0	3	★	張陽郎	電機所	33	0

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 2013-05-21 09:25:31

課程大綱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 1 週 : 開學課程及相關規定說明第 2 週 : An introduction to Pattern Recognition and its applications 第 3 週 : Bayesian Decision Theory (BDT)–Continuous Features 第 4 週 : BDT–Minimum-Error-Rate Classification 第 5 週 : BDT–Discrete Features 第 6 週 : Maximum-Likelihood & Bayesian Parameter Estimation 第 7 週 : Non-Parametric Classification - Density Estimation 第 8 週 : Linear Discriminant Functions 第 9 週 : High Dimensional Data sets (期中考週) 第 10 週 : PR of Remote Sensing (Midterm Project Proposal) 第 11 週 : PR of Biometric Certification 第 12 週 : PR of Video Surveillance 第 13 週 : Accuracy Assessment 第 14 週 : PR Special Topics in Parallel Computing 第 15 週 : PR Special Topics in High Performance Computing 第 16 週 : PR Term Project Presentation 第 17 週 : PR Term Project Presentation 第 18 週 : PR Term Project Presentation (期末考週)

評量方式與標準作業及平時成績 Assignments and problem sets (50%) 專題 A PR term project (an oral presentation and a 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：　
講義資料及參考書 Reference : Pattern Classification by R. O. Duda, P. E. Hart and D. G. Stork, John Wiley & Sons

課程諮詢管道

備註

教師姓名	張陽郎
Email	ylchang@ntut.edu.tw
最後更新時間	2013-05-21 09:25:31
課程大綱	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	1 週 : 開學課程及相關規定說明第 2 週 : An introduction to Pattern Recognition and its applications 第 3 週 : Bayesian Decision Theory (BDT)–Continuous Features 第 4 週 : BDT–Minimum-Error-Rate Classification 第 5 週 : BDT–Discrete Features 第 6 週 : Maximum-Likelihood & Bayesian Parameter Estimation 第 7 週 : Non-Parametric Classification - Density Estimation 第 8 週 : Linear Discriminant Functions 第 9 週 : High Dimensional Data sets (期中考週) 第 10 週 : PR of Remote Sensing (Midterm Project Proposal) 第 11 週 : PR of Biometric Certification 第 12 週 : PR of Video Surveillance 第 13 週 : Accuracy Assessment 第 14 週 : PR Special Topics in Parallel Computing 第 15 週 : PR Special Topics in High Performance Computing 第 16 週 : PR Term Project Presentation 第 17 週 : PR Term Project Presentation 第 18 週 : PR Term Project Presentation (期末考週)
評量方式與標準	作業及平時成績 Assignments and problem sets (50%) 專題 A PR term project (an oral presentation and a 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：　講義資料及參考書 Reference : Pattern Classification by R. O. Duda, P. E. Hart and D. G. Stork, John Wiley & Sons
課程諮詢管道
備註