pendahuluan

PENDAHULUAN

Dapat mengetahui metode dan teknik yang digunakan pada Pengenalan Pola

2

Tujuan Perkuliahan

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

Materi Perkuliahan

4

Evaluasi Perkuliahan

1 UTS 35%2 UAS 35%

3 Tugas Tugas 30%

Wajib ◦ Richard O. Duda, et. al, Pattern Classification

2nd Edition, John Wiley & Sons, Inc., 2001. Anjuran

◦ K. Fukunaga, "Introduction to Statistical Pattern Recognition," Academic Press, 1990.

5

Bahan Pustaka

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

Pengenalan Pola Didefinisikan ..

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

Teknik Pengenalan Pola

Prapengolahan, Segmentasi dan Analisis Citra

Visi Komputer Analisis Seismik Analisis Multispektral Pengenalan Wajah Pengenalan Suara Pengenalan Sidik Jari Pengenalan Tulisan Tangan Data Mining

8

Aplikasi Pengenalan Pola

9

Pengklasifikasian Data LANDSAT

Data Input LANDSAT-TM Band 5

Derajat Keanggotaan vs Brightness Value

Partisi Fuzzy 1D

Hasil Pengklasifikasian dengan Metode Explicit

Fuzzy

Are They From the Same Person?

11

Pengenalan Sidik Jari

Nilai Ambang

Ekstraksi Pola

Tangan

Pra Pemrosesan

Alat optik untuk mengambil gambar sidik jari Komputer untuk pemrosesan gambar Perangkat lunak Penyimpanan data multimedia (gambar sidik jari) Jaringan komputer Integrasi sistem

12

Komponen Sistem Pengenalan Sidik Jari

Alat optik untuk mengambil

gambar sidik jari

Server Utama

DIKENALI

13

Pengenalan Suara

14

Pengenalan Wajah

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

Contoh Pola Visual

16

Deteksi Wajah Tampak Muka

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

Alat optik untuk mengambil gambar wajah Komputer untuk pemrosesan gambar Perangkat lunak Penyimpanan data multimedia (gambar wajah) Jaringan komputer Integrasi sistem

17

Komponen Sistem Pengenalan Wajah

Server Utama

DITOLAK

Texture Discrimination

Shape Discrimination

Optical Character Recognition