Ηλεκτρονική Διάθεση Μαθήματος
Μαθησιακά Αποτελέσματα
α) Μαθησιακοί στόχοι: Εμπέδωση των βασικών εννοιών, θεωρίας, αλγορίθμων και τεχνολογίας αναγνώρισης προτύπων και στατιστικής μηχανικής μάθησης. Εκτεταμένη έκθεση σε προγραμματισμό C/C++ ή MATLAB για αναγνώριση προτύπων. Εξοικείωση με προγραμματιστικά περιβάλλοντα και πακέτα, όπως MATLAB toolboxes.
β) Δεξιότητες: Θεμελίωση υποβάθρου για την περαιτέρω μελέτη προβλημάτων και εφαρμογών αναγνώρισης προτύπων και στατιστικής μηχανική μάθησης στην ανάλυση δεδομένων, π.χ. ανάλυση εικόνας, αναγνώριση σχημάτων, αναγνώριση σημάτων, ανάλυση ιατρικής πληροφορίας και ιατρικών σημάτων/εικόνας, ανάλυση γεωγραφικών δεδομένων, ανάλυση διαδικτυακών δεδομένων, ανάλυση χρηματοοικονομικών δεδομένων. Απόκτηση ικανότητας χρήσης και ανάπτυξης αλγορίθμων αναγνώρισης προτύπων. Όξυνση αναλυτικών και προγραμματιστικών δεξιοτήτων. Ικανότητα ανάπτυξης βασικών εφαρμογών αναγνώρισης προτύπων με χρήση με χρήση C/C++ ή MATLAB.
Περιεχόμενο Μαθήματος
Τυχαίες μεταβλητές και διανύσματα. Συναρτήσεις απόφασης. Εκπαιδευόμενοι αλγόριθμοι κατάταξης με συναρτήσεις απόφασης. Κατάταξη με βάση την απόσταση. Κατάταξη με βάση την θεωρία αποφάσεων. Ανάλυση πρωτευουσών συνιστωσών. Ανάλυση διακριτικής ικανότητας. Μάθηση παραμέτρων κατανομών. Ανάλυση γραφημάτων ομοιότητας. Συντακτική αναγνώριση προτύπων. Τεχνικές διανυσματικής κβάντισης. Εργασίες προγραμματισμού αναγνώρισης προτύπων σε C/C++ ή MATLAB. Βιβλιογραφικές εργασίες.
Βιβλιογραφία μαθήματος (Εύδοξος)
Sergios Theodoridis and Konstantinos Koutroumbas, Pattern Recognition, 2008.
Μιχαήλ-Γεράσιμος Στρίντζης, «Αναγνώριση Προτύπων», Αφοί Κυριακίδη, Θεσσαλονίκη, 2007.
Επιπρόσθετη βιβλιογραφία για μελέτη
Keinosuke Fukunaga, "Introduction to Statistical Pattern Recognition", Academic Press, 1990.
Richard O. Duda, Peter E. Hart and David G. Stork, Pattern Classification, 2000.