![]() КАТЕГОРИИ:
АстрономияБиологияГеографияДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРиторикаСоциологияСпортСтроительствоТехнологияФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника
|
Применение непараметрического сглаживания в классификации ( в распознавании образов)Для простоты рассматриваем случай двух классов 1, 2 и проблему восстановления решающей функции Объёмы этих подвыборок n1 и n2, причём n1+n2 = n. Принадлежность выборочных значений тому или иному классу можно характеризовать новой переменной: В пространстве переменных (х,у) на базе указанных экспериментальных точек строится решающая функция в виде непараметрической оценки регрессии: Решающее правило на базе её, как известно, имеет вид: если если Параметр с коэффициента размытости В многомерном случае (когда имеется несколько информативных признаков) схема решения не меняется. В этом случае колоколообразная нормированная весовая функция зависит от всех информативных признаков, а по критерию, приведённому выше, ведётся настройка нескольких параметров. Настройку параметров с коэффициентов размытости h можно проводить, используя ту же обучающую выборку. При этом все точки выборки попеременно участвуют в обучении и в экзамене. В точке xj непараметрическая решающая функция строится с учётом всех точек (вернее только тех точек, которые охватывает колоколообразная нормированная функция
Точка (
|