Treść książki
Przejdź do opcji czytnikaPrzejdź do nawigacjiPrzejdź do informacjiPrzejdź do stopki
wzorzecreprezentowanyjestprzezwektorwartościcechx=[x1,x2,...,
xd],azbiórwszystkichwartościcechjakiemogąreprezentować
wzorzecnazywamyprzestrzeniącechX,
definiujesięzbiórklasM={1,2,...,m},
rozpoznaniewzorcapoleganaprzypisaniukażdemuwektorowi
zmierzonychcechx
E
Xnumeruklasyi
E
Mzapomocąalgorytmu
rozpoznawania
w
,comożnazapisać
w
(x)=i,czylialgorytm
w
odwzorowujeprzestrzeńcechwzbiórnumerówklas
w
:X
ą
M.
Najpopularniejszymiklasyfikatoramistatystycznymisą:klasyfikator
minimalno-odległościowy,klasyfikatorBayesaikryteriummaksymalnego
prawdopodobieństwa.
Klasyfikatorminimalno-odległościowy
Rodzinaklasyfikatorówminimalno-odległościowychwywodzisięz
regułyknajbliższychsąsiadów(k-NN,ang.kNearestNeighbors).
KlasyfikatorkNNwykorzystujebezpośrednioinformacjęapriorizawartąw
zbiorzeuczącyminiewymagaodtwarzaniarozkładówprawdopodobieństw.
Algorytmtegoklasyfikatorajestnastępujący[Mal2011]:
spośródxwzorcówzbioruuczącegowybierzkwzorcówpołożonych
najbliżejnieznanegoobrazuy,
zbadajwotoczeniuwzorcayprzynależnośćdoklaswybranychk
wzorców,tzn.niechk1wzorcównależydoklasym1,k2dom2itd.,przy
czym
Σ
i
L
±1
k
i±
k
,
przydzielwzorceydoklasyci,dlaktórejkijestnajwiększe
x*(y)=mi
jeżeli
k
i
±
max
j
k
j
MetodakNNwymagaobliczeniaodległościwzorcayodkażdego
wzorcanależącegodozbioruuczącegoizapamiętaniawynikówwpamięci.
Metodatadajedobrewyniki,gdyliczbaobrazówuczącychjestduża.Niestety
zapotrzebowanienapamięćtejmetodyjestwysokie,copowoduje,żemetoda
kNNjestkłopotliwawpraktycznychzastosowaniach.
16
