Студопедия

КАТЕГОРИИ:

АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторикаСоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника



Прямой метод восстановления решающей функции (при классификации в распознавании образов).




Читайте также:
  1. Cоциологический анализ электорального процесса: проблемы и методы исследования, сферы применения результатов
  2. Gt; 89. Предмет и функции СО как научной дисциплины и практической области деятельности. (не до
  3. I. Невербальные методы оценки.
  4. II СЕНСОРНЫЕ ФУНКЦИИ
  5. II. 1. Методические указания к выполнению контрольных заданий
  6. II. Клинико-психологические классификации.
  7. II. Структура Системы сертификации ГОСТ Р и функции ее участников
  8. II.2. Методика построения напорной и пьезометрической линий
  9. III. Функции Фондово-закупочной комиссии
  10. SWOT-анализ и методика его использования. Стратегический анализ, PEST-анализ, SNW-анализ в менеджменте.

Имеется обучающая выборка: , когда истинным является первый класс; , когда истинным является второй класс; общего объёма . Вводится фиктивная переменная y, указывающая на принадлежность к тому или иному классу каждого выборочного значения обучающей выборки: например, для двух классов:

Задаётся уравнение решающей функции с точностью до параметров , например, , где - известные базисные функции, и из некоторого критерия, например из критерия наименьших квадратов

вычисляются параметры решающей функции.

Основной проблемой при данном подходе является выбор базисных (опорных) функций . Для каждой группы объектов классификации и выборных классов существуют свои наборы базисных функций. Кроме критерия наименьших квадратов используются другие критерии, например, знаковый критерий:

Здесь sgn[.] – знаковая функция. Она равна 1 при положительном значении аргумента (при этом осуществляется правильная классификация с помощью решающей функции : знаки у y и совпадают) и равна -1 при отрицательном значении аргумента (при этом происходит неправильная классификация на основе решающей функции ). При правильной классификации на всех точках обучающей выборки показатель I2 равен нулю. Чем на большем числе точек осуществляется неправильная классификация, тем большее значение принимает I2. Экстремальная функция в зависимости от параметров является кусочно-постоянной. Из-за этого при поиске её минимума неприменимы алгоритмы дифференцируемой оптимизации. С целью устранения этого недостатка вводятся более гладкие показатели качества классификации, например:


Дата добавления: 2015-04-18; просмотров: 11; Нарушение авторских прав







lektsii.com - Лекции.Ком - 2014-2021 год. (0.006 сек.) Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав
Главная страница Случайная страница Контакты