Die automatische Auswertung von Signalen spielt in der modernen Informationstechnik eine große Rolle. Dieses Lehrbuch bietet, ausgehend von der Repräsentation des Signals im Merkmalraum, die Beschreibung wichtiger Klassifikationsverfahren. Dazu zählen Linear- und Bayes Klassifikatoren, Supportvektormaschinen, Klassifikatoren auf der Basis von Gaussian-Mixture-Modellen und Hidden-Markov-Modellen sowie Klassenfolgenklassifikatoren. Weiterhin werden wichtige Grundlagen der Automatentheorie (Finite State Machines) sowie ausgewählte maschinelle Lernverfahren dargestellt. Die Darstellung setzt die Verfahren zur Merkmalgewinnung voraus, die im ersten Band vermittelt wurden, so dass das Gesamtwerk eine umfassende Beschreibung der Kette darstellt, die in modernen Systemen der Informationsverarbeitung von der Signalerfassung bis hin zum Klassifikationsergebnis führt.
Inhaltsverzeichnis
Grundlagen der Klassifikation. - Vektorklassifikation. - Folgenklassifikatoren. - Klassenfolgenklassifikation. - Intelligente Signalverarbeitungssysteme. - Index.
