Reconhecimento de Padrões
Áreas Científicas |
Classificação |
Área Científica |
OFICIAL |
Ciências Fundamentais e da Eletrotecnia |
Ocorrência: 2006/2007 - 2S
Ciclos de Estudo/Cursos
Língua de trabalho
Português
Objetivos
Dotar os alunos da capacidade para a análise de dados multivariados, para o desenvolvimento de classificadores e da sua aplicação a problemas de reconhecimento de sinal e de imagem.
Programa
1. O Matlab no desenvolvimento de programas de Reconhecimento de Padrões
2. Introdução: Sistemas de Reconhecimento de Padrões (SRP); o ciclo do projecto de SRP; Aprendizagem e adaptação; Apresentação e discussão de SRP.
3. Teoria de decisão Bayesiana: Introdução; características contínuas; Classificação de Mínimo Erro; Classificadores, funções discriminantes e superfícies de decisão. Funções discriminantes para fdp normais; Curvas ROC
4. Estimação de parâmetros: estimação de máxima verosimilhança e estimação Bayesiana.
5. Técnicas não paramétricas: estimação de fdp; janelas de Parzen e Knn.
6. Classificação: Funções discriminantes lineares. Árvores de decisão e grafos.
7. Aprendizagem não supervisada e “clustering”.
8. Aplicações no reconhecimento de sinal e de imagem.
Bibliografia Obrigatória
Duda, Richard O.;
Pattern classification. ISBN: 0-471-05669-3
Bibliografia Complementar
Sá, Joaquim Pontes Marques de;
Pattern recognition. ISBN: 3-540-42297-8
Marques, Jorge Salvador;
Reconhecimento de padrões. ISBN: 972-8469-08-X
Métodos de ensino e atividades de aprendizagem
O método de ensino adoptado na disciplina será baseado na exposição teórica sobre alguns dos temas teóricos da disciplina e estudo-discussão-resolução de casos. A aprendizagem será baseada em leituras orientadas, em trabalhos de grupo, num projecto individual e em pesquisa bibliográfica.
A disciplina está organizada em dois tipos de aulas:
Aulas teóricas - T (uma turma)
Aulas de exposição teórica e de estudo-discussão-resolução de casos. Cada aula constará de uma parte expositiva e da análise de um caso.
Aulas teórico-práticas - TP (uma turma)
Aulas de carácter prático de resolução de problemas e utilização/programação em Matlab de algoritmos de análise exploratória de dados e de classificação. Serão realizados quatro trabalhos e um projecto de aplicação de reconhecimento de padrões para sinais ou imagens.
Software
Matlab 6 R12.1
Tipo de avaliação
Avaliação distribuída sem exame final
Componentes de Avaliação
Descrição |
Tipo |
Tempo (Horas) |
Peso (%) |
Data Conclusão |
Aulas da disciplina (estimativa) |
Participação presencial |
48,00 |
|
|
Projecto |
Trabalho escrito |
40,00 |
|
2007-06-09 |
|
Total: |
- |
0,00 |
|
Componentes de Ocupação
Descrição |
Tipo |
Tempo (Horas) |
Data Conclusão |
Trabalho individual |
Estudo autónomo |
74 |
2007-06-09 |
|
Total: |
74,00 |
|
Obtenção de frequência
A frequência das aulas TP é obrigatória e sujeita à legislação no tocante ao número máximo de faltas admissível.
A obtenção de frequência exige que o aluno obtenha pelo menos 50% na classificação das componentes 1 e 2 consideradas na classificação final.
Fórmula de cálculo da classificação final
A classificação final incide sobre as seguintes componentes (indica-se a percentagem de cada componente na classificação final):
1 – Trabalhos individuais (40%)
2 – Projecto (40%)
3 – Página web sobre RP (10%)
4 – Opinião do Professor (10%)
Provas e trabalhos especiais
São realizados quatro trabalhos individuais, com um peso de 40 % para a classificação final. Os trabalhos individuais serão realizados durante as aulas T ou TP e em trabalho autónomo. A avaliação do trabalho individual incidirá sobre o desempenho individual, e em particular sobre a qualidade dos programas e relatórios elaborados e sobre as questões colocadas pelo docente.
A turma deverá auto-organizar-se por forma a apresentar até 11 de Abril uma página web sob o tema, “Aplicações de Reconhecimento de Padrões: Bibliografia, Metodologias, Software, Áreas de Aplicação”. Esta componente terá uma contribuição para 10% da classificação final e será baseada na auto-avaliação dos alunos.
Nas últimas quatro semanas os alunos, organizados em grupos de 2-3 alunos, desenvolverão um projecto que será objecto de publicação em uma página web, escrita de um artigo e de exposição oral.
Avaliação especial (TE, DA, ...)
A componente de avaliação é obrigatória para todos os alunos, podendo os trabalhadores estudantes e outros alunos de regime especial ser objecto de análise específica.
Melhoria de classificação
As quatro componentes de avaliação distribuída ao longo do semestre mantêm o seu valor na classificação final.