====== Prüfung Pattern Analysis, SS 2015 (Sept) ======
===== Allgemeines =====
  * Prüfer: Dr.-Ing. Christian Riess
  * Stimmung: relativ locker
  * Vorbereitung:
      * alle Vorlesungsfolien per Video angeschaut und Tafelbild mitgeschrieben
      * alte Prüfungsprotokolle stichpunktartig in einem Dokument zusammengefasst (nach Kapitel geordnet)
      * Daher konnte ich wissen welche Themen besonders wichtig waren und wie detailliert die Fragen waren.
      * Wichtiges im Skript markiert
      * Wichtiges erneut abgeschrieben (= Merk-Zettel)
      * Merkzettel auswendig gelernt
   * Ergebnis: Ziemlich gut ;)

===== Prüfungsfragen und Antworten =====


1. Introduction:

Mindmap hinmalen

2. Manifold Learning
  * Welche Algorithmen gibt es?
  * Was sind Manigfaltigkeiten und Wie funktionieren ISO-Maps?
          * swiss role in 3D hingemalt
          * daneben eine ISOMAP in 2D (aufgerollte swiss roll)
          * Distanzmatrix beinhaltet geodätische Distanzen
          * für eine Nachbarschaft ist die euklidische Distanz eine gute Approximation
          * für weiter entfernte Knoten muss der Dijkstra-Algorithmus den kürzesten Pfad finden
  * Was ist das Optimierungsproblem von Laplacian Eigenmaps und wie funktioniert der Algorithmus.
          * In der Vorlesung wurde dieses Thema 2x (einmal von Christian und einmal von Prof. Hornegger) behandelt.
          * Ich habe Christians Version vom Kapitel Random Forests beschreiben. Er wollte         eigentlich die analytische Herleitung der Laplacian-Matrix (von Prof. Hornegger) wissen.
          * Nach der Nebenbedingung wurde auch gefragt: s.th. x'^T D x' = 1 
     

3. Hidden Markov Models
  * Bitte ein einfaches HMM hinzeichnen (und ganz kurz erklären).
  * Was sind die 3 Hauptprobleme bei HMM?
          * 3 Hauptprobleme kurz benannt
          * dann Lösungen bennenen:
                * Forward / Backward-Algorithmus: Motivation? Komplexitäten aufgeschrieben
                * Viterbi-Algorithmus (nur erwähnt, nicht erklärt)
                * Training des HMMs (Baumwelch-Formulas erwähnt)

4. Clustering
Es wurde ein Bild mit zwei Männchen aufgemalt. Beide hatten einen roten Kopf und einen blauen Bauch.

  * Wie kann ich hier Siegmentierung betreiben?
          * 3 Algorithmen zu nennen: Hard-Clustering (aka K-Means), Soft-Clustering, MSA
  * Wie funktioniert MSA, wie funktioniert K-Means (im Bezug auf das Beispielproblem)

  * MSA, welche Kernel haben wir kennengelernt?
          * 2 Kernel erwähnt: Epanechnikov, Gaussian

  * Wann wählt man K-Means, wann MSA? Bzw. Was sind die Parameter?
          * K-Means wählt man wenn die Anzahl der Maxima bekannt ist. Parameter ist also k, die Anzahl der Maxima.
          * Wenn die Anzahl der Maxima unbekannt ist, kann man sehr viele MS-Vorgänge initialisieren. Viele werden gegen gleiche Maxima konvergieren. So findet man k Maxima. Parameter ist die Fenstergröße.

  * Wie segmentiere ich die blauen Teile (Bauch) voneinander?
          * meine Anwort: Bump Hunting im 5D-Raum. Dimensionen: X-Koordinate, Y-Koordinate, R-, G-, B-Wert
          * besser wäre gewesen: ich betrachte im Bild nur blaue Feature-Vektoren (Pixel) und finde dann die zwei Körper im Bild durch Clustering.


  * Zeit war um. Die nächste Frage wäre über Unterschiede in der Implementierung von MSA und K-Means gegangen.