Vorlesung (Hauptstudium)
Grundlagen des Multimediaretrievals II
Prof. Dr. Michael Clausen
Dr. Frank Kurth
In der Vorlesung werden fortgeschrittene Suchstrukturen und Algorithmen für multimediale Daten vorgestellt. Hiezu wird einerseits die im ersten Teil der Vorlesung vorgestellte Suchtechnik zur multimedialen Konstellationssuche verallgemeinert. Andererseits wird in der Vorlesung eine Einführung in Grundlagen der multimedialen Signalverarbeitung gegeben. Behandelt werden u.a. digitale Signale, Filter, Fourieranalyse, Waveletanalyse, sowie Anwendungen auf verschiedene Datenarten (Audio, Sprache, Bilder).
| Zeit, Ort | Mo 9-11, Mi 13-15, HS 1 |
| Semesterwochenstunden | 4V + 2Ü |
| Beginn | Mi., 21.04.2004 |
| Übungen | Di 17-19, A121 (Prof. Dr. Michael Clausen, Dr. Frank Kurth) |
| Voraussetzungen | Eine Teilnahme am Teil I der Vorlesung, "Grundlagen des Multimediaretrievals I" im Wintersemester 03/04 ist hilfreich aber nicht zwingend erforderlich. |
| Bereich (alte DPO) | A |
| Bereich (neue DPO) | A2,B |
| Prüfungsmöglichkeiten | Im Bereich A sind Prüfungen in den Kombinationen "Grundlagen des Multimediaretrievals I und II", "Grundlagen des Multimediaretrievals I und Audiosignalverarbeitung", sowie "Gundlagen des Multimediaretrievals I und Computeralgebra" möglich.
Vorlesungsbereich B - und ausnahmsweise in diesem Semester auch A2 - laut neuer Diplomprüfungsordnung (DPO) von 2003. Für Studierende, die ihre Hauptdiplomprüfung nach der neuen DPO durchführen, wird eine Modulprüfung über ein einsemestriges Vorlesungsmodul (8 Leistungspunkte) als mündliche Prüfung in der ersten Woche der vorlesungsfreien Zeit mit Möglichkeit zur mündlichen Wiederholungsprüfung in der letzten Woche der vorlesungsfreien Zeit angeboten. |
| Literatur | Auf der Webseite zum Teil I der Vorlesung ist Literatur (siehe Folien zum Einführungskapitel) zu finden. Weitere Literatur wird bei Bedarf in der Vorlesung bekanntgegeben. |
| Informationen im WWW | http://www-mmdb.iai.uni-bonn.de/lehre/materialMMRsose04/ |
|
Übersicht: alle Semester
Algorithmische Komplexität und Anwendungen
Wissensentdeckung und Data Mining