pendahuluan
DESCRIPTION
PENDAHULUAN. Tujuan Perkuliahan. D apat mengetahui metode dan teknik yang digunakan pada Pengenalan Pola. Materi Perkuliahan. Dasar-dasar Pengenalan Pola Model dan sistem pengenalan pola Teori keputusan Bayesian Metode Bayesian dan HMAP Recognition dan interpretation pada citra - PowerPoint PPT PresentationTRANSCRIPT
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