Pour commencer, regardez les FAQ la page d'information sur la reconnaissance des formes

• Pour avoir une idée générale du contenu de cet enseignement, vous pouvez commencer par regarder sa présentation en une page et le plan plus détaillé du cours. 

• La notation de ce cours dépend des TP et d'un miniprojet que vous avez à rendre.

• Pour suivre l'évolution du cours, le mieux est de consulter régulièrement la page du cours. Toutes les annonces concernant le cours y seront faites.

Le support du cours

• Introduction à la reconnaissance des formes (une introduction intéressant de Dudda)
• Règle de Bayes (texte du cours au format postscript, texte du cours au format pdf) et support au formet powerpoint.
• Discrimination linéaire : modèle gaussien et analyse discriminate
• Discrimination linéaire : méthodes itératives
• Discrimination linéaire : performance des algorithmes de discrimination
• Méthodes des discriminatilon à base de Noyaux (Parzen, Splines, FBR)
• Discrimination et support vector machines,
• Arbres de decision,
• Méthodes de classification (apprentissage non suppervisé) ,
• kppv,
• Comparaison des classifieurs,
• Mise en oeuvre pratiques de la discrimination : ensemble de validation, reechantillonnage,

programmes matlab du cours
Données du TP "parzen"
petit programmme pour ce TP
Solution
Solution étendue

Exercice

Examen 2000

Examen 2001 (ps)

• Cours en français :
• Université de Laval
• Cours en anglais :

• DEA intelligence artificielle et reconnaissance des formes
• Mastère de l'ENST : traitement du signal et RdF
• Reconnaissance des Formes au laboratoire Heudiasyc de l'Université de Technologie de Compiengne

• Reconnaissance des formes

• K. Fukunaga, Introduction to Statistical Pattern Recognition (Second Edition), Academic Press, New York, 1990.
• P.A. Devijver and J. Kittler, Pattern Recognition, a Statistical Approach, Prentice Hall, Englewood Cliffs, London, 1982.
• R.O. Duda and P.E. Hart, Pattern classification and scene analysis, John Wiley & Sons, New York, 1973. (A second edition is being prepared by David Stork)

 
• J.R. Quinlan, C4.5: Programs for machine learning, Morgan Kaufmann Publishers, San Mateo, California, 1993.
• L. Breiman, J.H. Friedman, R.A. Olshen, and C.J. Stone, Classification and regression trees, Wadsworth, California, 1984.
• Réseaux de neurones

• J. Hertz, A. Krogh & R. G. Palmer, An introduction to the theory of Neural Computation (Addison-Wesley, 1991)
• C.M. Bishop, Neural Networks for Pattern Recognition (Oxford: Oxford University Press, 1995)
• B.D. Ripley, Pattern Recognition and Neural Networks (Cambridge: Cambridge University, 1996) Press,
• L. Devroye, L. Györfi and G. Lugosi, A Probabilistic Theory of Pattern Recognition, (Springer-Verlag 1996)
• S. Haykin, Neural Networks, a Comprehensive Foundation. (Macmillan, New York, NY., 1994)
• V. N. Vapnik , The nature of statistical learning theory (Springer-Verlag, 1995)

• Livres en français :

• B. Dubuisson, Diagnostic et reconnaissance des formes  (Hermès, 1990)
• J. Hérault et Ch. Jutten, Réseaux neuronaux et traitement du signal (Hermès, 1994)
• M. Milgram, Reconnaissance des formes, méthodes numériques et connexionnistes, (Armand Colin, collection 2ai, 1993
• J.-P. Nadal, Réseaux de neurones : de la physique à la psychologie , (Armand Colin, collection 2ai, 1993)
• G. Weisbuch, Dynamique des systèmes complexes : une introduction aux réseaux d'automates, (InterEditions/Editions du CNRS, 1989)