Pipeline hinzeichnen, kurz motivieren und erklären
A/D: Es kam keine Frage hierzu
Preprocessing: Normalization - Habe Size und Pose Normalization mit Momenten erklärt
Feature Extraction: Analytic vs Heuristic voneinander abgrenzen
Heuristic: Linear Predictive Coding - Motivation/Geschichte hinter LPC (Sprachsignal besteht aus Buzzer, Tube und Hissings, clickings), LPC kann Formants von Buzzer Effekten separieren. Wie wird LPC in der Praxis benutzt? Weighted sum of previous signals determines current signal, Gleichungssystem für Koeffizienten aufstellen, mit Pseudoinversen lösen
Analytic: LDA - Class labels vorhanden, Within vs Between Class distances → Rayleigh Quotient. Als Zusatz haben wir noch über Fisher Faces geredet
Feature Selection - Warum Selection? Redundante Feature wegwerfen, Most Discriminative Features finden. Aspekte: Effizienz, Computational complexity, time and Curse of Dimensionality (Intuition, Distanzen, Metriken, Sparseness)
Classification: Optimal Bayes Decision Rule - Hingeschrieben und erklärt, warum die optimale Decision Function die posterior probabilities bzw. nach Bayes Rule, prior und class conditional maximiert (hab dann noch Beispiele gegeben, Gaussian Densities, Non parametric Density Estimation, …)