0083042 20240103184217.320070608235959.9 7 s. cav_un_epca*008304180-7043-508-980-86PlzeňWest Bohemian University, Pilsen2006Troblova Pattern Recognition Mutidimensional Stratistical Models cav_un_auth*0101093 Haindl Michal UTIA-B Department of Pattern Recognition Ústav teorie informace a automatizace AV ČR, v. v. i. cav_un_auth*0101182 Pudil Pavel UTIA-B Department of Pattern Recognition Ústav teorie informace a automatizace AV ČR, v. v. i. cav_un_auth*0101197 Somol Petr UTIA-B Department of Pattern Recognition Ústav teorie informace a automatizace AV ČR, v. v. i. 1ET400750407 GA AV ČR cav_un_auth*0001797 1M0572 GA MŠk cav_un_auth*0001814 507752 XE EC cav_un_auth*0200689 IAA2075302 GA AV ČR cav_un_auth*0001801 MAT-12-C4 MMR CZ cav_un_auth*0228022 CEZ:AV0Z10750506 This chapter explains general model-based approaches to several basic pattern recognition applications followed by a concise description of three fundamental multi-dimensional data model classes. For each model class a solution to parameter estimation and model data synthesis is outlined. Finally an overview of the strengths and weaknesses of studied multi-dimensional data model groups is given. Tato kapitola vysvětluje obecné přístupy k některým aplikacím rozpoznávání dat založené na modelech. Součástí je i stručný popis tří základních tříd vícerozměrných datových modelů. Pro každou třídu modelů je popsán odhad parametrů a syntéza modelových dat. Na závěr jsou shrnuty výhody a nevýhody studovaných tříd vícerozměrných datových modelů. cav_un_auth*0228021 MATEO - The European Network of Mechatronics Centres and Industrial Controllers 2006 Železná Ruda 14.12.2006-16.12.2006 CZ 2007 BD http://hdl.handle.net/11104/0146420 2006 cav_un_epca*0083041 MATEO - The European Network of Mechatronics Centres and Industrial Controllers 2006 80-7043-508-9 80 86 Plzeň West Bohemian University, Pilsen 2006 Troblova 340