Classificació de patrons: aplicacions en tractament de senyal

Temari

1. Introducció. (2 hores)



 



1.1. Extracció de característiques



 



1.2. Classes o models



 



1.3. Funció de densitat de probabilitat



 



2. Models sobre la funció de densitat de probabilitat (8 hores)



 



2.1. Criteris MAP



 



2.2. Estimació ML



 



2.3. MDA



 



3. Tècniques de Reducció de l'espai de Característiques basada amb anàlisi de components principals (4 hores)



 



3.1. PCA



 



3.2. ICA



 



4. Tècniques no paramètriques, aprenentatge supervisat (8 hores)



 



4.1. K-Nearest neighbour



 



4.2 Classificadors Lineals i de Support Vector



 



4.3. Xarxes neuronals



 



4.4. Arbres de Decisió



 



5. Aprenentatge no supervisat (4 hores)



 



5.1 EM i K-means



 



5.2 Clustering



 



6. Tècniques d'estracció de Característiques independents de l'algorisme (2 hores)