• Q: -
  ⇒ Soll ich die Pattern-recognition-pipeline hinmalen? → hingemalt
• Q: ja, *lach*
• Q: Preprocessing - Inhalte stichpunktartig wiedergeben
  ⇒ Thresholding, Normalisierung, Filter
• Q: Thresholding, näher erklären und eine Methode meiner Wahl genau hinschreiben
  ⇒ Trennung von Vorder-/ Hintergrund, 0-1 Quantisierung.
  Schnittpunkt zweier Gaussverteilungen erklärt mit Iterationsverfahren, welches neues Theta als Schnittpunkt der geschätzten Gaussverteilungen nimmt.
• Q: Feature Extraction, was gibt es für 2 Ansätze
  ⇒ Heuristisch, Analytisch
• Q: Was gibt es für Analytische Ansätze
  ⇒ PCA, LDA
• Q: Schreiben Sie doch mal die Zielfunktion für die LDA hin
  ⇒ argmax (dist(Interclass)) / argmin (dist(Intraclass)) (→ dist () wollte Sie ausführlich mit Transformation der Featurevectoren und Summe über die Klassen haben… hat etwas gedauert, aber sie wollte es hören)
• Q: Bayes Klassifikator hinschreiben, wann ist er optimal
  ⇒ argmax p(y|x), optimal bei 0-1 Kostenfunktion

• Q: Malt 2 Klassen hin und eine beliebige Entscheidungsgrenze, die durch die Funktion f(x) = 0 charakterisiert ist. Können Sie mir die posteriori für die Klasse 0 und 1 hinschreiben?
  ⇒ in die Logistic Regression Funktion einmal f(x) und -f(x) eingesetzt (→ eimal p(y=0|x) für Klasse 1 und p(y=1|x) für Klasse 2

* Q