Corso di
PATTERN RECOGNITION E APPLICAZIONI

Scheda

Docente

Programma

Cosa è la pattern recognition e l'analisi dati multivariata. I dati sperimentali e le caratteristiche degli strumenti di misura.

Fondamenti dell'analisi statistica dei dati.

Vettori, spazi vettoriali e matrici.

Matrici e statistica delle matrici. Matrice di Covarianza. Autovettori. Autovalori.

Analisi esplorativa. Estrazione delle features. Preprocessamento dei dati. Identificazione di outliers.

Analisi delle componenti principali (PCA) e Partial Least Square (PLS).

Analisi descrittiva multivariata.

Teoria e tecniche di classificazione (Pattern Recognition) e loro applicazioni.

Modelli di classificazione lineari supervisionati e non superivisonati. Fisher discriminant analysis. KNN. Mahalanobis classifier. PLS-DA.

Tecniche di validazione dei modelli. Leave one out cross validation. Venetian blind.

Tecniche di feature selection.

Reti neurali per la classificazione e Support Vector Machine.

Algoritmi genetici e bioinspirati. Ant Colony Optimization. Ant miner. Algoritmi genetici. Artificial Immune Systeme loro applicazioni.

Lezioni 2024-25

Statistiche