Du befindest dich hier: FSI Informatik » Prüfungsfragen und Altklausuren » Hauptstudiumsprüfungen » Lehrstuhl 5 » Introduction to Pattern Recognition   (Übersicht)

Unterschiede

Hier werden die Unterschiede zwischen zwei Versionen der Seite angezeigt.

Link zu der Vergleichsansicht

Beide Seiten, vorherige ÜberarbeitungVorherige Überarbeitung
pruefungen:hauptstudium:ls5:intropr_feb2011 [24.02.2011 13:15] – F3lixpruefungen:hauptstudium:ls5:intropr_feb2011 [24.02.2011 13:15] (aktuell) – F3lix
Zeile 19: Zeile 19:
   * Feature Selection - Warum Selection? Redundante Feature wegwerfen, Most Discriminative Features finden. Aspekte: Effizienz, Computational complexity, time and Curse of Dimensionality (Intuition, Distanzen, Metriken, Sparseness)     * Feature Selection - Warum Selection? Redundante Feature wegwerfen, Most Discriminative Features finden. Aspekte: Effizienz, Computational complexity, time and Curse of Dimensionality (Intuition, Distanzen, Metriken, Sparseness)  
     * Objective Function: Mutual Information bzw. KL-Divergence hergeleitet     * Objective Function: Mutual Information bzw. KL-Divergence hergeleitet
-  * Classification: Optimal Bayes Decision Function - 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, ...)+  * 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, ...)