Mustererkennung 1999: 21. DAGM-Symposium Bonn, 15.–17. by Martin Ester, Hans-Peter Kriegel, Jörg Sander (auth.),

By Martin Ester, Hans-Peter Kriegel, Jörg Sander (auth.), Wolfgang Förstner, Joachim M. Buhmann, Annett Faber, Petko Faber (eds.)

Die DAGM '99 steht unter dem Thema "Interpretation natürlicher Szenen: Von der medizinischen Bildverarbeitung bis zur Fernerkundung". Dieses Motto greift aktuelle Entwicklungen in der Mustererkennung auf, intelligente Datenanalyse für große Datensätze zu betreiben und damit der Wissensgesellschaft neuartige Analysewerkzeuge für natürliche Szenen, aber auch für Data Mining zur Verfügung zu stellen.
Im Tagungsband finden sich sowohl neue Entwicklungen auf dem Gebiet der Grundlagenforschung als auch interessante Anwendungen aus allen Bereichen der Mustererkennung wieder, wobei neben der Sprachverarbeitung vor allem Beiträge zu statistischen Verfahren, zur examine von Bildfolgen und zur Rekonstruktion der 3D-Geometrie aus Bildern dominieren.

Show description

Read Online or Download Mustererkennung 1999: 21. DAGM-Symposium Bonn, 15.–17. September 1999 PDF

Best german_4 books

Die Zerspanbarkeit der metallischen und nichtmetallischen Werkstoffe (German Edition)

Biicher iiber ein bestimmtes Fachgebiet stellen meist eine artwork Bilanz dar. Die vielen Einzel-und Teilergebnisse, die sowohl bei der systemati schen Forschung wie auch bei den praktischen Betriebserkenntnissen im Sinne einer Ganzheitsbetrachtung geordnet und klar anfallen, sollen gestellt werden. Von den in neuerer Zeit erschienenen zusammenfassen den Werken iiber die Zerspanbarkeit behandelt das Buch von LEYEN SETTER!

Zwischen Glaspalast und Palais des Illusions; Form und Konstruktion im 19. Jahrhundert

Konstruktion und shape, Funktion und Gestalt bedingen einander in vielfältiger Wechselbeziehung. Das gilt für die Bauwerke des 19. Jahr­ hunderts ebenso wie für die heutige Architektur. Diese Feststellung je­ doch ist so allgemeiner artwork, daß sich daraus schwerlich ein fruchtbarer Ansatz für die Lösung von Bauproblemen ableiten läßt.

Additional resources for Mustererkennung 1999: 21. DAGM-Symposium Bonn, 15.–17. September 1999

Example text

The confidence values are assigned as follows: • Determine the Euclidean distance of the unknown input pattern to every prototype. • Select the nearest class specific prototypes j (one for every class). • Assign a confidence value bj to each of these prototypes: b. _ J - Ll max I L:i=l - (Ll max Ll j - Ll i ) Ll max denotes the maximal distance of the class specific prototypes to the unknown input pattern xl', Ll j is the distance of the nearest class specific prototype j to the feature vector xl'.

4. W. B. Cremers, D. Fox, D. Hahnel, G. Lakemeyer, D. Schulz, W. Steiner, and S. Thrun. The interactive museum tour-guide robot. In Proc. of the National Conference on Artificial Intelligence (AAAI), 1998. 5. W. Burgard, A. Derr, D. B. Cremers. Integrating global position estimation and position tracking for mobile robots: the Dynamic Markov Localization approach. In Proc. of the IEEEIRSJ International Conference on Intelligent Robots and Systems (IROS), 1998. 6. W. Burgard, D. Fox, D. Hennig, and T.

The orientation histograms of all subimages are concatenated into the characterizing feature vector (Fig. 1). J__ • 11111111 11111111 11111111 lIulnl 11111111 11111111 11111111 Fig. I. Elements of the feature extraction method. The grey valued image (left) is convolved with the masks Sx and Sy resulting in the gradient image (right, center; absolute value of the gradient). Orientation histograms (encircling the gradient image) of non-overiapping subimages constitute the feature vector. f(x, y) at location (x, y) is the two dimensional vector (* denotes the convolution operation).

Download PDF sample

Rated 4.95 of 5 – based on 18 votes