Reconocimiento de patrones
(200589)

Profesor: Saturnino Maldonado Bascón
Profesor: Manuel Rosa Zurera


INFORMACION DEL CURSO
CréditosObjetivo
Contenidos
Metodología de enseñanza y aprendizaje
Criterios y procedimientos de evaluación
Bibliografía



OBJETIVO:
Con esta asignatura se pretende dotar al alumno de los conocimientos necesarios para poder abordar el diseño de sistemas de clasificación y de reconocimientos de patrones y formas. El reconocimiento de patrones se basa en la teoría de la detección, explicada en la asignatura “Tratamiento Estadístico de Señales” en el primer cuatrimestre.

CRÉDITOS ECTS: 4


CONTENIDOS:

1. Introducción y conceptos fundamentales.

2. Clasificadores basados en la teoría de la decisión de Bayes.

3. Clasificadores lineales y clasificadores no lineales.

4. Clasificación de formas de onda.

5. Extracción de características.


BIBLIOGRAFÍA:

1. Pattern Recognition, Third Edition
Autores: Sergios Theodoridis, Konstantinos Koutroumbas
Editorial: Academic Press
Año: 2006
Incluye entre los temas que trata la clasificación bayesiana, las redes bayesianas, el diseño de clasificadores lineales y no lineales (incluyendo redes neuronales y SVMs), la programación dinámica y los modelos de Markov, la generación de características mediante preprocesado, la selección de características, etc.

2. Pattern Recognition, Second Edition
Autores: Richard O. Duda, Peter E. Hart, David G. Stork
Editorial: Wiley-Interscience
Año: 2000
Se trata de un libro clásico, considerado como una referencia fundamental en el tema de reconocimiento de patrones. Aborda todos los temas fundamentales de esta disciplina. Presenta los conceptos con numerosos ejemplos prácticos muy visuales.

3. Statistical Pattern Recognition, Second Edition
Autores: Andrew R. Webb
Editorial: John Wiley & Sons
Año: 2002
Proporciona una introducción rigurosa al área del reconocimiento de patrones, cubriendo muchas de las áreas de aplicación, como el diseño de bases de datos, redes neuronales, sistemas de toma de decisiones, etc. El nivel no es muy elevado, pero es claro y didáctico.

4. Neural Networks for Pattern Recognition
Autores: Christopher M. Bishop
Editorial: Oxford University Press
Año: 1995
Se trata de un texto de una calidad muy difícil de superar. Trata los aspectos fundamentales del reconocimiento de patrones, eligiendo las redes neuronales como herramienta de clasificación, presentando y analizando los méritos y características útiles de los perceptrones multicapa y las redes de funciones de base radial para clasificación. Analiza el modelado de funciones de densidad y la utilidad de distintas funciones objetivo.

5. Applied Pattern Recognition, Fourth Edition : Algorithms and Implementation in C++
Autores: Dietrich W. R. Paulus, Joachim Hornegger
Editorial: GWV-Vieweg
Año: 2003
Como novedad añade la implementación en código C++ de numerosos altoritmos de reconocimiento de patrones. Util para aplicaciones prácticas. Desde el punto de vista teórico, los hay mejores.

6. Pattern Recognition and Machine Learning
Autores: Christopher M. Bishop
Editorial: Springer
Año: 2006
Libro de muy reciente aparición que, como novedad con respecto al otro texto de Bishop antes referenciado, introduce la aplicación de métodos kernel en reconocimiento de patrones.

7. Pattern Recognition From Classical to Modern Approaches
Autores: Sankar K. Pal (Editor), Amita Pal (Editor)
Editorial: World Scientific Publishing Company
Año: 2002
Se trata de una recopilación de capítulos de libro de diversos autores, que ofrecen una perspectiva histórica importante de una disciplina tan dinámica como esta. Recomendado para profundizar en el tema del reconocimiento de patrones.

8. Revistas de interés:
Estas son las principales revistas de interés, donde se publican los principales avances en reconocimiento de patrones:
Pattern Recognition
Editorial Elsevier
Pattern Recognition Letters
Editorial Elsevier
IEEE Transactions on Pattern Analysis and Machine Intelligence
Editorial IEEE Press
IEEE Transactions on Neural Networks
Editorial IEEE Press

METODOLOGÍA DE ENSEÑANZA Y APRENDIZAJE

La metodología general de enseñanza y aprendizaje del master puede consultarse en éste enlace. En esta asignatura en particular se impondrá una metodología de enseñanza aprendizaje que fomente el trabajo de los alumnos y su participación activa en el proceso de aprendizaje. Para ello, se propondrán trabajos a realizar por los alumnos, cuyos resultados deberán ser expuestos en el aula.

La enseñanza de contenidos teóricos se completará con la realización de prácticas haciendo uso de programas de simulación, para asimilar los contenidos explicados en teoría.

CRITERIOS Y PROCEDIMIENTOS DE EVALUACIÓN

Los criterios y procedimientos generales de evaluación del master pueden consultarse en éste enlace. De forma particular, la evaluación se realizará a partir de los trabajos realizados por los alumnos, de la evaluación de las prácticas, y de un examen de contenidios al final del cuatrimestre, con la siguiente ponderación:

a) Trabajos: 30%

b) Prácticas: 30%

c) Examen de contenidos: 40%