Du befindest dich hier: FSI Informatik » Prüfungsfragen und Altklausuren » Hauptstudiumsprüfungen » Lehrstuhl 5 » Pattern Recognition, Pattern Analysis (Übersicht)
Unterschiede
Hier werden die Unterschiede zwischen zwei Versionen der Seite angezeigt.
Nächste Überarbeitung | Vorherige Überarbeitung | ||
pruefungen:hauptstudium:ls5:pr_paokt2009 [11.10.2009 11:32] – angelegt katti | pruefungen:hauptstudium:ls5:pr_paokt2009 [11.10.2009 11:59] (aktuell) – katti | ||
---|---|---|---|
Zeile 1: | Zeile 1: | ||
==== Pattern Recognition, | ==== Pattern Recognition, | ||
**Prüfer: | **Prüfer: | ||
- | * Atmosphäre: | + | * Atmosphäre: |
+ | Haben es nicht angekreidet, | ||
=== PR === | === PR === | ||
* Big Picture | * Big Picture | ||
- | * Histogram Equalization | + | * Histogram Equalization: \\ |
- | * Thresholding | + | * Was ist das? Was kommt raus? Wie sind die Werte verteilt?\\ |
- | * PCA (allgemein | + | * Thresholding: |
- | * Heuristische FE-Verfahren | + | * Was ist ein Threshold? |
+ | * Welche Werte hat ein Threshold? -> Binarization | ||
+ | * Welche Verfahren? -> Habe iterative Methode erklärt mit " | ||
+ | * PCA: | ||
+ | * hatte erstmal | ||
+ | * Heuristische FE-Verfahren: | ||
+ | * allgemein, man konnte sich Verfahren aussuchen: | ||
=== PA === | === PA === | ||
- | * PCA (Problematik, Größe Kovarianzmatrix) | + | * PCA: |
- | * Kernel-PCA | + | * Problematik: Größe |
- | * Kernels allgemein (ungefragt...) | + | * Beispiel gegeben: Bild der Größe 1024x1024 -> Wie groß Q-Matrix? Wieviel Speicher? |
+ | * Kernel-PCA | ||
+ | * erstmal allgemein angefangen, welche Eigenschaften die Kernel-Matrix haben muss | ||
+ | * Danach | ||
+ | * Normen | ||
+ | * L1- und L2-Norm anhand Formel und Skizze erklärt | ||
+ | * Was ist Lasso? -> erklärt welche Norm und deren Problematik | ||
* SVM | * SVM | ||
- | | + | |
+ | * allgemein alles erklärt anhand einer Skizze und Unterschied zwischen Hard und Soft Margin | ||
+ | * gegeben eine Linie: d = ax + a_0 | ||
+ | * Wie bekommt man die a posteriori Wahrscheinlichkeit? | ||
+ | * Gegeben eine Linie: d = a*x + a_0. Wie schaut dann die a posteriori Wahrscheinlichkeit aus? -> 1/(1+ exp(a*x + a_0 - d)) | ||
+ |