====== Prüfung IntroPR, Februar 2011 ======
===== Allgemeines =====
Prüferin: Elli Angelopoulou

Die Prüferin und der Beisitzer bauten schnell eine angenehme Atmosphäre auf. Mein Tipp: Selber viel reden und wenn möglich auch sämtliches mit Skizzen zeigen. Das nimmt Zeit und bringt gleichzeitig auch rüber das man den Stoff gut verstanden hat.  

=====  IntroPR =====
  * Pipeline hinmalen (Am besten auch gleich ein paar Worte dazu sagen)
  * Kapitel A/D: Nyquist Sampling-Theorem -> Hinschreiben und kurz erklären das wenn es eingehalten wird keine Information verloren geht
  * 3 verschiedene Pre-Processing Methoden: Hystogram Equalisation, Thresholding, Filtering...
  * Hystogram Equalisation erklärt: Signal->PDF(Histogram)->CDF->Mapping (Tipp: Wenn man mit Hystogram Equalisation fit ist dann auf jeden Fall bei Pre-Processing Methoden erwähnen)
  * Feature Extraction (analytic und heuristic erklären)
  * Walsh-Hadamard-Transform erklären (Zunächst hinzeichnen und erklären das die Walsh Functions approximationen von Sinus und Cosinus sind und deshalb die Trafo die Fouriertranformation nachbildet, aber wesentlich schneller zu berechnen ist -> Dann Hadamard Matrix und Kronecker Produkt erklären und Formel c=\Phi*f hinschreiben)
  * PCA: Will den Spread aller Features maximieren! Formel hinschreiben und erklären (Constraint mit Frobenius Norm nicht vergessen!)
  * Feature Selection: Warum Selection? (Redundanz des feature Vektors beseitigen; Dimension verkleinern; Informationsgehalt beibehalten)
  * Feature Selection: Mutual Information Objective Function hinschreiben und sagen das, dass auch die KL-Divergence darstellt
  * Bayes Decision Rule: \lamba = argmax{\kappa} p(\Omega_{\kappa} | c)
  * Wie kommt man auf die posterior probability? -> Gaussian distribution annehmen -> Decision Rule auf Gaussian umgeformt und auch Gauss-Formel für die class conditional eingesetzt.
  * Was machen wenn keine Normalverteilung: K-NN oder Parzen-Windows (keine Formeln)
  * wann ist Bayes optimal? (0,1)-cost function und noch erklären was das bedeutet (Die richtige Klasse bekommt Kosten 0 und alle falsche Entscheidungen bekommen Kosten 1)