Automatyczna klasyfikacja obiektów

---

ISBN 83-87674-83-4
Autor: Katarzyna Stąpor
Wydawnictwo : EXIT

---

O książce

Książka omawia podstawowe elementy systemów automatycznej klasyfikacji obiektów. W obrębie klasyfikacji nadzorowanej przedstawione są empiryczne klasyfikatory Bayesa oraz klasyfikatory definiowane w sposób bezpośredni, między innymi maszyna wektorów podpierających i wielowarstwowy perceptron. Spośród algorytmów grupowania prezentowane są wybrane algorytmy iteracyjnej optymalizacji, algorytmy gęstościowe, grafowe oraz algorytmy wykorzystujące sieci neuronowe. Wszystkie omawiane algorytmy ilustrowane są praktycznymi przykładami z udziałem wygenerowanych zbiorów uczących. Ponadto pokazane są zastosowania algorytmów klasyfikacji w systemach komputerowego widzenia: rozpoznawania map geodezyjnych i wspomagania diagnozowania jaskry w okulistyce.

Książka będzie przydatna szerokiej grupie czytelników zajmujących się projektowaniem i tworzeniem systemów automatycznego rozpoznawania obiektów w różnych dziedzinach, a także studentom kierunków Informatyka, Automatyka i Robotyka oraz Bioinżynieria.

---

Spis treści

1. Wprowadzenie

1.1. Przykłady zadania klasyfikacji
1.2. Uogólnianie, niedouczenie i przeuczenie
1.3. Podejścia do klasyfikacji obiektów

2. Elementy składowe zadania klasyfikacji

2.1. Metody reprezentacji obiektów
2.2. Zadanie klasyfikacji nadzorowanej
2.3. Zadanie klasyfikacji nienadzorowanej

3. Empiryczne klasyfikatory Bayesa

3.1. Reguła decyzyjna Bayesa
3.2. Klasyfikatory parametryczne
3.3. Klasyfikatory nieparametryczne

4. Klasyfikatory definiowane w sposób bezpośredni

4.1. Klasyfikatory liniowe
4.2. Uogólnione klasyfikatory liniowe

5. Klasyfikatory definiowane przez struktury symboliczne

5.1. Podstawowe struktury symboliczne
5.2. Strukturalne dopasowanie ciągów
5.3. Strukturalne dopasowanie grafów oparte na izomorfizmie
5.4. Strukturalne dopasowanie grafów oparte na homeomorfizmie
5.5. Strukturalne dopasowanie oparte na metodach reprezentacji wiedzy

6. Klasyfikatory definiowane przez gramatykę

6.1. Gramatyki ciągowe
6.2. Rozszerzenia gramatyki ciągowej
6.3. Algorytm analizy syntaktycznej Earley'a
6.4. Analiza syntaktyczna z korekcją błędów
6.5. Syntaktyczny analizator rysunków liniowych

7. Podziałowe algorytmy grupowania

7.1. Algorytmy iteracyjnej optymalizacji
7.2. Algorytmy gęstościowe
7.3. Algorytmy grafowe
7.4. Algorytmy wykorzystujące sieci neuronowe
7.5. Algorytmy oparte na dopasowaniu modelu statystycznego
7.6. Walidacja grupowania

8. Hierarchiczne algorytmy grupowania

8.1. Aglomeracyjne algorytmy macierzowe
8.2. Grupowanie dużych zbiorów danych

9. Wybór modelu i jego ocena

9.1. Metody wykorzystujące statystyczną teorię uczenia
9.2. Metody eksperymentalne

10. Ekstrakcja i selekcja cech

10.1. Wstępne przetwarzanie danych
10.2. Ekstrakcja cech
10.3. Selekcja cech
10.4. Selekcja cech z wykorzystaniem algorytmów genetycznych