Главная > Введение в статистическую теорию распознавания образов
<< Предыдущий параграф Следующий параграф >>
Пред.
След.
Макеты страниц

Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше

Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике

2.3.4. Декоррелирующее преобразование.

После применения ортонормированного преобразования (2.104) можно воспользоваться еще одним преобразованием для того, чтобы привести ковариационную матрицу К к единичной матрице

Преобразование называют декоррелирующим преобразованием. Цель этого преобразовавия состоит в изменении масштаба главных компонент пропорционально значениям На рис. 2.5 изображен соответствующий двумерный пример.

Рис. 2.5. Декоррелирующее преобразование.

Пример 2.11. Декоррелирующее преобразование не является ортонормировании преобразованием, поскольку

Поэтому в результате декоррелнрующего преобразования евклидово расстояние не сохраняется:

Пример 2.12. Ковариационная матрица, полученная в результате декоррелирующего преобразования, инвариантна относительно любого ортонормированного преобразования, так как

Это свойство будет в дальнейшем использовано для одновременной диагонализации двух матриц.

Пример 2.13. В экспериментах по распознаванию образов часто необходимо генерировать объекты, имеющие нормальное распределение с заданными вектором математического ожидания

и ковариационной матрицей. Обычно случайные величины-признаки коррелированы, и это создает определенные трудности при генерировании объектов. Однако генерирование нормально распределенных объектов с единичной ковариационной матрицей является более простой задачей, так как случайные величины в этом случае независимы и одинаково распределены с единичной дисперсией. Поэтому предлагается вначале генерировать такие объекты, а затем осуществлять преобразование векторов в X с помощью уравнения

где Ф и — соответственно матрицы собственных векторов и собственных значений данной ковариационной матрицы.

Categories

1
Оглавление
email@scask.ru