• IntroPR - Introduction to Pattern Recognition
• Prüfer: Elli Angelopoulou
• Beisitzer: unbekannt
• Bachelor Vertiefungsrichtung, 7.5 ECTS
• Stimmung: super
• Fragen Englisch, Antworten durfte man auf Deutsch oder Englisch - ich hab hin und wieder kurz auf Deutsch gewechselt, wenn ich's grad für einfacher gehalten habe
• Bei Mutual Information war ich recht unsicher, daher wahrscheinlich auch die weiteren Fragen - die haben aber eher geholfen wieder rein zu finden, dem Ergebnis hat das dann nicht weiter geschadet

Describe the PR-Pipeline

A/D

• Nyquist Sampling Theorem, explain + formula

Preprocessing

• Name 3 Preprocessing Methods
• Thresholding → Intersection of Gaussians (p(Omega_1)p(f|Omega_1) = p(Omega_2)p(f|Omega_2), formula gaussian distribution)
• Filtering → formulas LSI filter + Convolution

Feature Extraction

• Name 2 Types (Heuristic & Analytic) and describe them
• LDA optimization criterion → Rayleigh Quotient with formula
• Walsh-Hadamard-Transform, describe, connection matrix lines ↔ walsh-basis functions, explain Kronecker Produkt, formula for H_M = H_2 (x) … (x) H_2 –> M = 2^q, q factors, H_M = Phi^T

Feature Selection

• Mutual Information → formula, explain, independant random variables: p(x, y) = p(x)*p(y), what is p(x) and p(y) → p( c ) and p(Omega_k)

Classification

• Bayesian Decision Function (max posterior probability), apply the bayesian rule ( p(Omega_k | c) = p(c | Omega_k) p(Omega_k) / p( c ) )
• Approximation of probability distributions by Parzen Windows / kNN → explain the idea, formula p( c ) = K/(NV)