Materias
Reconocimiento de patrones
Profesores
Dr. Boris Escalante RamírezDra. Olveres Montiel Jimena
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 |
Trabajo Especial
Descargar datos y PDF
Proyecto final
Ver recurso
Descargar rúbrica