美麗的校園夜景
整合領域的領航者 元智工管
我們的教育理念
大學部教育目標
大學部核心能力
工管大樓的美
多采多姿的學生生活
美麗的工管大樓
精彩的學生生活

Data Pattern Recognition and Classification

《資料模式辨識分類與課程目標》

本課程之設計主要是在傳統之統計資料分析方法外,介紹型樣辨識( Pattern Recognition ) 技術及一些近年最新發展之資料分析及分類之演算法,包括 Independent Component Analysis ( ICA ) 以及Support Vector Machine ( SVM ), 並探討如何使用此新技術解決工業工程所面臨之製造業及服務業之相關資料分析問題,包括製程監控 ( Process monitoring & control )、統計製程品管 ( SPC )、異常偵測 ( Outlier/fault detection )、消費者銷售分析 ( Consumer sales analysis )、財務資料分析 ( Financial data analysis ) 等應用。課程中也將輔以型樣辨識及分類的軟體工具並介紹不同應用案例,以期幫助學生在理論與實務應用上相輔相成,加強學生之學習興趣及效果。

《課程大綱》

課程主要分為兩部份,第一部份探討新近發展之Independent Component Analysis演算法,並著重於異常偵測的應用。第二部份則探討Support Vector Machines以及統計型樣辨識 ( Statistical Pattern Recognition ) 在資料分類的應用。在介紹各類偵測、辨識及分類技術的同時也將藉由製程監控、統計製程品管、影像處理、自動視覺瑕疵檢測、信用卡核發等實務案例說明其應用。

《教學方式》

課程主題將採課堂授課並配合PowerPoints圖例說明,對每一課程主題將設計不同之實務應用範例說明其應用步驟及成效。在教學過程中也將配合不同之型樣辨識及分類軟體工具,使學生有實際操作之經驗,並了解不同演算法之使用效果及限制。

《銷售混合訊號使用ICA symmetric拆解後之結果》


(a) 混合銷售訊號X (b) 三種原始訊號
(c) ICA deflation gauss拆解後之訊號 (d) ICA deflation tanh拆解後之訊號
(e) ICA symmetric gauss拆解之訊號 (f) ICA symmetric pow3拆解之訊號

《使用蝴蝶花(IRIS)4種Feature畫出每一類別的分佈位置》
(a)Feature1、2與3畫出的3種類別 (b)Feature1、2與4畫出的3種類別
(c)Feature1、3與4畫出的3種類別 (d)Feature2、3與4畫出的3種類別

《蝴蝶花(IRIS)經過各種監督式分類方法之結果》