Pengenalan Pola 1 Pendahuluan OK

Report

Dapat mengetahui metode dan teknik yang
digunakan pada Pengenalan Pola
2










Dasar-dasar Pengenalan Pola
Model dan sistem pengenalan pola
Teori keputusan Bayesian
Metode Bayesian dan HMAP
Recognition dan interpretation pada citra
Pattern Recognition dan Data Mining
Pohon keputusan
Pengklasteran
Pemilihan Fitur
Hidden Markov Model
3
1 UTS
35%
2 UAS
35%
3 Tugas Tugas
30%
4

Wajib

Anjuran
◦ Richard O. Duda, et. al, Pattern Classification 2nd
Edition, John Wiley & Sons, Inc., 2001.
◦ K. Fukunaga, "Introduction to Statistical Pattern
Recognition," Academic Press, 1990.
5


Ilmu yang berkaitan dengan pendeskripsian atau
pengklasifikasian (pengenalan) hasil suatu pengukuran
(measurement)
Pendekatan yang telah banyak digunakan
◦ pendekatan statistik (Decision Theoritic)
◦ pendekatan sintaktik (struktural)
◦ Jaringan Saraf Tiruan (Neural Network) yang menjadi alternatif
pendekatan pengenalan pola terutama untuk implementasi
algoritma black box

Ketiga model pendekatan tersebut, tidak satu pun yang
menjamin pemecahan yang paling optimal bagi semua
masalah
6

Teknik-teknik pada Pengenalan Pola akan
terkait dengan bidang keilmuan lainnya
yaitu
◦
◦
◦
◦
◦
◦
◦
◦
Sistem dan Pengolahan Sinyal
Kecerdasan Buatan
Pemodelan Neural
Teori Estimasi dan Optimasi
Teori Automata
Himpunan Fuzzy
Pemodelan Struktural
Bahasa Formal
7









Prapengolahan, Segmentasi dan Analisis
Citra
Visi Komputer
Analisis Seismik
Analisis Multispektral
Pengenalan Wajah
Pengenalan Suara
Pengenalan Sidik Jari
Pengenalan Tulisan Tangan
Data Mining
8
Data Input LANDSAT-TM Band 5
Derajat Keanggotaan
vs Brightness Value
Partisi Fuzzy 1D
Hasil Pengklasifikasian
dengan Metode Explicit
Fuzzy
9
Pra Pemrosesan
Ekstraksi
Pola
Tangan
Nilai
Ambang
11






Alat optik untuk mengambil gambar sidik jari
Komputer untuk pemrosesan gambar
Perangkat lunak
Penyimpanan data multimedia (gambar sidik jari)
Jaringan komputer
Integrasi sistem
Alat optik untuk
mengambil
gambar sidik jari
Server
Utama
DIKENALI
12
13
14


The University of Bern (UB) face database memuat 30 orang yang
masing-masing memiliki 10 citra wajah frontal.
Basisdata UB memiliki karakteristik adanya perubahan yang relatif
kecil pada facial expression serta perubahan posisi kepala kearah
kiri, kanan, atas dan bawah sebesar  30 derajat
15
Pencarian
Wajah
Deteksi muka tampak depan dan bagian
vertikalnya:
 Data muka tersedia dengan semua ukuran
dan skala tertentu
 Data muka setiap orang tersedia dengan
beberapa ekspresi berbeda
 Kondisi pencahayaan mempengaruhi
pengenalan
 Ciri khusus pada gambar wajah (tua/muda,
laki-laki/perempuan, memakai kacamata)
Tujuan desain sistem deteksi wajah:
 Membuat algoritma yang cepat
 Membuat algoritma dengan keakurasian
tinggi
16






Alat optik untuk mengambil gambar wajah
Komputer untuk pemrosesan gambar
Perangkat lunak
Penyimpanan data multimedia (gambar wajah)
Jaringan komputer
Integrasi sistem
Server Utama
DITOLAK
17

similar documents