Treść książki
Przejdź do opcji czytnikaPrzejdź do nawigacjiPrzejdź do informacjiPrzejdź do stopki
XIV
Przedmowa
bieństwa:obiektypodobnedosiebiepowinnyzostaćprzydzielonedotejsamejklasy.
Przykładamisąalgorytmyopartenadopasowaniuwzorców(ang.templatematching)
orazalgorytmyminimalno-odległościowe(ang.minimumdistance).Drugagrupato
empiryczneklasyfikatoryBayesa,wktórychklasyfikatorkonstruujesięnapodstawie
funkcjigęstościprawdopodobieństwawielowymiarowegorozkładucechobiektów.
Klasyfikatorydefiniowanewsposóbbezpośrednitworzątrzeciągrupę.Powybraniu
modelu,tzn.jegopostacifunkcyjnej,następujeokreślanienapodstawiezbioruuczą-
cegowartościnieznanychparametrówfunkcjilubsamejfunkcji,zapomocąróżnych
algorytmów–najczęściejoptymalizacjiodpowiedniodobranychfunkcjikryterialnych.
Specyficznymtypemklasyfikatorajestklasyfikatordrzewiastywykorzystującydrzewo
decyzyjne,któreuzyskujesięnapodstawiezbioruuczącego.
Wobrębiepodejściastrukturalnegowyróżniasiędwieróżnegrupymetodkon-
strukcjialgorytmówklasyfikacji.Algorytmypierwszejgrupywykorzystująstruktury
symboliczne–obiektreprezentowanyjestzapomocąstrukturysymbolicznej,naprzy-
kładciągu,drzewaczygrafu.Klasyfikacjaodbywasięprzezstrukturalnedopasowanie
strukturysymbolicznejnieznanegoobiektudomodeliklas.Drugągrupętworząmeto-
dywykorzystującegramatykę,zwaneinaczejsyntaktycznymi,wktórychmodelklasyjest
zdefiniowanyprzezgramatykębędącąmechanizmemgenerującymwszystkiewystąpie-
niaobiektówdanejklasywpostaciodpowiedniejdotypugramatyki:ciągu,drzewa,
czygrafu.Klasyfikacjaodbywasięprzezwykonanieanalizsyntaktycznychreprezentacji
nieznanegoobiektuwzględemgramatykdefiniującychklasy.
Wklasyfikacjinienadzorowanej,popularniezwanejgrupowaniem,systemowido-
starczasięzbióruczącyzłożonyjedyniezopisówobiektówbezichetykietyklasowej.
Odostarczonymzbiorzezakładasię,żeskładasięonzpewnychgrup,przyczymliczba
grupjestnajczęściejrównieżnieznana.Systemrozpoznawaniamaodkryćzapomocą
odpowiednichalgorytmówgrupowanianieznanypodziałdostarczonegomuzbioru,czy-
lidokonaćgrupowaniategozbioru.Grupowaniepoleganatakiejorganizacjizbioru
obiektówwgrupy,abyobiektywobrębiekażdejgrupybyłybardziej„podobne”do
siebieniżdoobiektówzinnychgrup.Zdecydowanawiększośćalgorytmówopierasię
nareprezentacjiwektorowej,dlategowtejksiążcezajmiemysięjedynietymprzypad-
kiem.Istniejewieleróżnychpodziałówalgorytmówgrupowania,stosowniedoróżnych
kryteriów.Biorącpoduwagęwielkąróżnorodnośćtychalgorytmóworazkryteriów
podziału,jestpraktycznieniemożliwezaproponowaniepodziałuujmującegowsposób
jednolityjewszystkie.Napotrzebyniniejszejksiążkiprzyjmiemypodziałzapropono-
wanywopracowaniu[Jainiin.,1999],wedługktóregowyróżniasiędwiepodstawowe
grupyalgorytmów:
•Algorytmypodziałowedającewwynikujedenpodziałzbioruuczącego.Wśród
najbardziejznanychnależałobywymienićalgorytmyiteracyjnejoptymalizacji,algoryt-
mygęstościoweigrafowe.
•Algorytmyhierarchicznedającewwynikuhierarchięzagnieżdżonychpodziałów
zwanądendrogramem.Możnatuwyróżnićpodgrupęalgorytmówaglomeracyjnych
orazalgorytmówpodziału.
Walgorytmachoptymalizacjiiteracyjnejpodziałjestwynikiemiteracyjnejmini-
malizacjiobranejfunkcjikryterialnej.Walgorytmachgęstościowychgrupysąidenty-