Materias



Reconocimiento de patrones


Profesores
Dr. Boris Escalante Ramírez
Dra. Olveres Montiel Jimena
Ayudantes
Rosario Cruz
Mauricio Gómez

Temario

Tema Título Lectura y presentaciones
1 Conceptos básicos de reconocimiento de patrones Statistical Pattern Recognition: A Review
Classification in Pattern Recognition: A Review
1.1 Introducción al reconocimiento de patrones
1.2 Problemas fundamentales en el diseño de un sistema de reconocimiento de patrones.
1.3 Ejemplos de sistemas automáticos de reconocimiento de patrones
2 Funciones de decisión
2.1 Funciones de decisión lineales y generalizadas
2.1.1 Espacio generado por los patrones y las constantes de peso. Vectores y espacios de características
2.1.2 Propiedades geométricas
2.1.3 Instrumentación de las funciones de decisión
2.1.4 Sistemas de funciones ortogonales
2.2 Clasificación y regresión Regresión Lineal y Gradiente
2.3 Bases de datos en imágenes y su importancia en el área de reconocimiento de patrones y aprendizaje de máquina Bases de datos
3 Clasificación de patrones por medio de funciones estadísticas Teoría de detección y Bayes
Estimación Bayesiana
3.1 Revisión de probabilidad: densidad y momentos de una variable aleatoria. Densidad, correlación y covarianzas de vectores de variables aleatorias. Densidades condicionales
3.2 Teoría de detección y estimación
3.3 Clasificación de patrones como un problema de decisión estadístico (Maxima verosimilitud)
3.4 Clasificación de Bayes (Naive Bayes)
4 Extracción de características I
4.1 Texturas Textura Estadisticos
Artículo "Texture Feature Extraction Methods"
4.1.1 GLCM – coocurrencia Tutorial GLCM
4.1.2 LBP LBPs
4.1.3 Superpixeles Superpixeles
5 Clasificación de patrones por medio de funciones de distancia
5.1 Medidas de distancia (Euclidiana, Mahalanobis, histogramas, etc) Distancias
5.2 Medidas de similitud
5.3 Agrupamiento de datos: K-medias, LBG e Isodata
6 Experimentación, métricas de clasificación y reducción de características
6.1 Errores, exactitud y precisión, error medio cuadrado
6.2 Matriz de confusión
6.3 Curva ROC
6.4 Análisis de componentes principales (PCA) PCA
6.5 Análisis discriminantes lineal (LDA)
7 Reconocimiento de patrones sintácticos
7.1 Descripción de patrones sintácticos
7.2 Reconocimiento de sintaxis
7.3 Reconocimiento usando estructuras en forma de árbol
7.4 Aplicaciones en Procesamiento del Lenguaje Natural y escenas auditivas

Práctica 1

Manejo básico
de imágenes
 

Acceder al material

Práctica 2

Clasificador
bayesiano
 

Acceder al material

Práctica 3

Caracterización
y clasificación
de texturas

Acceder al material

Práctica 4

Eigenfaces
 
 

Acceder al material
Trabajo Especial


Descargar datos y PDF
Proyecto final


Ver recurso
Descargar rúbrica

Bibliografía

Bibliografía básica
Beyerer, J., Richter, M. and Nagel, M. (1974)
Pattern recognition. Massachussets: Addison-Wesley Pub Co.

Duda, Hart and Stork, John Wiley & Sons
Pattern Classification (ISBN-10- 0471056693)-2001

C. M Bishop
Pattern Recognition and Machine Learning. Springer, 2006.

Schalkoff, R. (1992)
Pattern recognition. New York, N.Y. Wiley.

Theodoridis, S. and Koutroumbas, K. (n.d.)
Pattern recognition. Amsterdam: Elsevier/Acad. Press.
Bibliografía complementaria
Duda, R., Stork, D. and Hart, P. (2000)
Pattern classification and scene analysis. New York: Wiley.

Fukunaga, K. (1990)
Introduction to Statiscal Pattern Recognition. New York: Academic Press.

Fu, K. (1974)
Syntactic methods in pattern recognition. London: Academic Press.

González, R.C , Woods P
Digital Image Processing. Addison Wesley, 1992.