Die automatische Auswertung von Signalen spielt in der modernen Informationstechnik eine große Rolle. Dieses Lehrbuch bietet, ausgehend von der Repräsentation des Signals im Merkmalraum, die Beschreibung wichtiger Klassifikationsverfahren. Dazu zählen Linear- und Bayes Klassifikatoren, Supportvektormaschinen, Klassifikatoren auf der Basis von Gaussian-Mixture-Modellen und Hidden-Markov-Modellen sowie Klassenfolgenklassifikatoren.Weiterhin werden wichtige Grundlagen der Automatentheorie (Finite State Machines) sowie ausgewählte maschinelle Lernverfahren dargestellt.Die Darstellung setzt die Verfahren zur Merkmalgewinnung voraus, die im ersten Band vermittelt wurden, so dass das Gesamtwerk eine umfassende Beschreibung der Kette darstellt, die in modernen Systemen der Informationsverarbeitung von der Signalerfassung bis hin zum Klassifikationsergebnis führt.

Prof. Dr.-Ing. habil. Rüdiger Hoffmann war bis 2014 Inhaber der Professur für Systemtheorie und Sprachtechnologie der Technischen Universität Dresden. Er ist jetzt Seniorprofessor der TU Dresden und Gastprofessor der Tongji University, Shanghai. Seine Arbeitsgebiete sind die Anwendung der Signal- und Systemtheorie in der Sprachtechnologie und die Geschichte der Sprachkommunikation.

Prof. Dr.-Ing. habil. Matthias Wolff ist seit 2011 Inhaber der Professur für Kommunikationstechnik an der Brandenburgischen Technischen Universität Cottbus-Senftenberg. Er arbeitet auf den Gebieten der Sprachtechnologie, der akustischen Mustererkennung und der kognitiven Systeme.

Grundlagen der Klassifikation.- Vektorklassifikation.- Folgenklassifikatoren.- Klassenfolgenklassifikation.- Intelligente Signalverarbeitungssysteme.- Index.