Reconhecimento de Padrões

Código:

EEC0062

Sigla:

RPAD

Áreas Científicas
Classificação	Área Científica
OFICIAL	Ciências Fundamentais e da Eletrotecnia

Ocorrência: 2006/2007 - 2S

Ativa?	Sim
Página Web:	http://moodle.fe.up.pt/course/view.php?id=314
Unidade Responsável:	Ciências Fundamentais e da Electrotecnia
Curso/CE Responsável:	Mestrado Integrado em Engenharia Electrotécnica e de Computadores

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
LEEC	3	Plano de estudos de transição para 2006/07	4	6	6	63	160
			5

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.