Clasificación de Patrones: Aplicaciones en Tratamiento de Señal

Última modificación: 02-11-2016
230202 - CLP - Clasificación de Patrones: Aplicaciones en Tratamiento de Señal
Unidad responsable:
230 - ETSETB - Escuela Técnica Superior de Ingeniería de Telecomunicación de Barcelona
Unidad que imparte:
739 - TSC - Departamento de Teoría de la Señal y Comunicaciones
Curso:
2016
Titulación:
GRADO EN CIENCIAS Y TECNOLOGÍAS DE TELECOMUNICACIÓN (Plan 2010). (Unidad docente
Optativa)
GRADO EN INGENIERÍA DE SISTEMAS ELECTRÓNICOS (Plan 2009). (Unidad docente Optativa)
GRADO EN INGENIERÍA DE TECNOLOGÍAS Y SERVICIOS DE TELECOMUNICACIÓN (Plan 2015).
(Unidad docente Optativa)
GRADO EN INGENIERÍA TELEMÁTICA (Plan 2010). (Unidad docente Optativa)
GRADO EN INGENIERÍA DE SISTEMAS AUDIOVISUALES (Plan 2009). (Unidad docente Optativa)
GRADO EN INGENIERÍA DE SISTEMAS DE TELECOMUNICACIÓN (Plan 2010). (Unidad docente
Optativa)
Créditos ECTS:
6
Idiomas docencia:
Catalán, Castellano
Profesorado
Responsable:
MARGARITA CABRERA BEAN
Otros:
MARGARITA CABRERA BEAN - JOSEP VIDAL MANZANO
Capacidades previas
Procesos Estocásticos. Procesado de la Señal.
Requisitos
Metodologías docentes
Objetivos de aprendizaje de la asignatura
Esta asignatura hace una revisión de la teoría de clasificación y reconocimiento de modelos desde una perspectiva
matemática y al mismo tiempo aplicada a diferentes áreas del tratamiento de la señal.
El típico problema de pretratamiento de señal, extracción de características y clasificación propiamente dicha, se puede
aplicar a un amplio conjunto de temáticas de entre las que se podrían destacar: control de calidad, aplicaciones
biomédicas (diagnóstico médico), sistemas de comunicaciones, procesamiento de imágenes y reconocimiento de voz
entre otras.
Se pretende dar una visión general de la teoría de decisión bayesiana, la estimación de máxima verosimilitud, técnicas de
clasificación no paramétrica y aprendizaje no supervisado con una experimentación simultánea en diferentes aplicaciones
1/5
Universitat Politècnica de Catalunya
Última modificación: 02-11-2016
230202 - CLP - Clasificación de Patrones: Aplicaciones en Tratamiento de Señal
de tratamiento de señal, de entre los que destacamos: clasificación de señales biomédicas y clasificación de imágenes,
detección de señales moduladas digitalmente, etc.
Para cada una de las aplicaciones seleccionadas para el trabajo en clase se aplicarán diferentes criterios de clasificación
con la idea de analizar para cada tipo de clasificador el compromiso entre el buen comportamiento y la eficiencia
computacional.
Los 6 créditos de la asignatura se reparten en 3 créditos teóricos y 3 créditos prácticos para paralelizar los conocimientos
teóricos con el desarrollo de aplicaciones.
El temario consistirá en impartir los temas en clases teóricas y a la vez, en clases prácticas de laboratorio (MATLAB) se
desarrollarán las aplicaciones seleccionadas, poniendo énfasis en aplicaciones de diagnósticos a partir de bases de datos
de señales biomédicas, procesamiento de imágenes y comunicaciones... En cada uno de los temas teóricos se
desarrollaran los métodos más básicos para facilitar su comprensión e implementación. Se referiran las técnicas más
avanzadas sólo como divulgación de las mismas.
Horas totales de dedicación del estudiantado
Dedicación total: 150h
Horas grupo grande:
26h
17.33%
Horas grupo pequeño:
26h
17.33%
Horas aprendizaje autónomo:
98h
65.33%
2/5
Universitat Politècnica de Catalunya
Última modificación: 02-11-2016
230202 - CLP - Clasificación de Patrones: Aplicaciones en Tratamiento de Señal
Contenidos
1. Introducción (2 hores)
Dedicación: 2h
Grupo grande/Teoría: 2h
Descripción:
1.1 Extracción de características
1.2 Clases o modelos
1.3 Función de densidad de probabilidad
2. Modelos sobre la función de densidad de
probabilidad (8 horas)
Dedicación: 8h
Grupo grande/Teoría: 8h
Descripción:
2.1 Minimización del riesgo Bayesiano
2.2 Modelo gaussiano
2.3 Discriminantes lineales y cuadráticos
3. Selección de características (4 horas)
Dedicación: 4h
Grupo grande/Teoría: 4h
Descripción:
3.1 Análisis de componentes principales
3.2 Análisis por multiples discriminantes
3.3 Análisis de componentes independientes
4. Técnicas no paramétricas, aprendizaje
supervisado (8 horas)
Dedicación: 4h
Grupo grande/Teoría: 4h
Descripción:
4.1 Ventanas de Parzen y k-nearest neigbours
4.2 Classificadores lineales y maquinas de soporte vectorial
4.3 Redes neuronales
4.4 Arboles de decisión
3/5
Universitat Politècnica de Catalunya
Última modificación: 02-11-2016
230202 - CLP - Clasificación de Patrones: Aplicaciones en Tratamiento de Señal
5. Aprendizaje no supervisado (4 horas)
Dedicación: 4h
Grupo grande/Teoría: 4h
Descripción:
5.1 EM y k-means
5.2 Clustering
6. Aprendizaje automático independiente del
algoritmo: evaluación y selección (2 horas)
Dedicación: 2h
Grupo grande/Teoría: 2h
Descripción:
6.1 Non free lunch theorem
6.2 Complejidad
6.3 Sesgo y varianza
6.4 Bagging y boosting
6.5 Comparación de classificadores
6.6 Combinación de classificadores
Sistema de calificación
- Examen final : 45%
- Prácticas desarrolladas en el
laboratorio :
45%
- Participación, interés : 10%
Normas de realización de las actividades
4/5
Universitat Politècnica de Catalunya
Última modificación: 02-11-2016
230202 - CLP - Clasificación de Patrones: Aplicaciones en Tratamiento de Señal
Bibliografía
Básica:
Duda, R.O.; Hart, P.E.; Stork, D.G. Pattern classification. 2nd ed. New York [etc.]: John Wiley & Sons, 2001. ISBN
0471056693.
Hyvarinen, A.; Karhunen, J.; Oja, E. Independent component analysis. New York: Wiley, 2001. ISBN 047140540X.
Complementaria:
Bishop, C.M. Pattern recognition and machine learning. New York: Springer, 2006. ISBN 0387310738.
Kuncheva, L.I. Combining pattern classifiers: methods and algorithms. Hoboken (NJ): J. Wiley & Sons, 2004. ISBN
0471210781.
Stork, D.G.; Yom-Tov, E. Computer manual in MATLAB to accompany pattern classification. 2nd ed. Hoboken: Wiley, 2004.
ISBN 0471429775.
Hastie, T.; Tibshirani, R.; Friedman, J.H. The elements of statistical learning: data mining, inference and prediction. 2nd ed.
New york [etc.]: Springer, 2009. ISBN 9780387848570.
Otros recursos:
Se facilitarán aplicaciones desarrolladas en matlab en el laboratorio de la asignatura.
5/5
Universitat Politècnica de Catalunya