Главная > Введение в статистическую теорию распознавания образов
НАПИШУ ВСЁ ЧТО ЗАДАЛИ
СЕКРЕТНЫЙ БОТ В ТЕЛЕГЕ
<< Предыдущий параграф Следующий параграф >>
Пред.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
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

ДЛЯ СТУДЕНТОВ И ШКОЛЬНИКОВ ЕСТЬ
ZADANIA.TO

§ 6.3. Метод гистограмм

Рассматривая к и А в выражении (6.53) как свободные параметры, можно получать различные оценки плотности вероятности, известные под названием гистограмм. В этом параграфе будут рассмотрены два часто встречающихся вида гистограмм.

6.3.1. Ячейки одинакового размера.

Разобьем пространство на взаимно непересекающиеся ячейки размеры которых одинаковы. Тогда плотность вероятности можно приближенно охарактеризовать числом объектов, попавших в каждую ячейку. Пример для одномерного случая показан на рис. 6.3.

Метод гистограмм не требует информации о распределении, и, если использовать регулярную сетку для построения ячеек то выбор нужной ячейки производится непосредственно.

Рис. 6.3. Гистограмма с одинаковыми ячейками.

Однако большим недостатком этого метода является то, что он требует слишком большой памяти: например, при наличии переменных и при М градациях по каждой переменной требуется ячеек. Поэтому большинство предлагавшихся модификаций этого метода имело своей целью уменьшение чисда ячеек.

6.3.2. Ячейки неодинакового размера.

Число ячеек можно уменьшить, используя ячейки неодинакового размера. Пример для одномерного случая показан на рис. 6.4.

Если известны число объектов в каждой ячейке, размер ячейки и ее местонахождение, то формулу (6.53) по-прежнему можно использовать в качестве оценки плотности вероятности. Для реализации этой идеи на практике нужен метод для определения числа объектов и размера каждой ячейки. Ниже приводится одно многих возможных решений [Себестиан, 1966].

1. Пусть имеется ячеек каждая из которых характеризуется координатами центра дисперсиями по каждой

из переменных и числом объектов, попавших внутрь ячейки При предъявлении нового объекта X вычисляется расстояние между X и центром каждой ячейки по формуле

Находится ближайшая ячейка, т. е. выбирается такое, что

Рис. 6.4. Гистограмма с неодинаковыми ячейками.

Тогда объект X классифицируется следующим образом:

В остальных случаях вопрос о принадлежности объекта X остается нерешенным.

Здесь и — свободные параметры, определяющие число ячеек и точность аппроксимации.

2. Когда новый объект попадает в ячейку, параметры ячейки пересчитываются следующим образом.

а) Увеличивается на единицу число объектов в ячейке. Пусть — новое число объектов.

б) Вычисляется новый вектор математического ожидания (новый центр ячейки):

в) Вычисляются новые дисперсии по формулам

и

Величина в (6.90) — дисперсия переменной в ячейке, подсчитанная по объектам. Величина первоначальное

заданное значение дисперсии. Только в том случае, когда превышает заменяется

3. Первый объект всегда становится центром новой ячейки. Второй объект классифицируется в соответствии с п. 1 и т. д. После того как все объекты расклассифицированы или среднее число объектов в ячейке достигает некоторого заданного значения, объекты, по которым не было принято решение, распределяются по ближайшим ячейкам, и параметры этих ячеек пересчитываются в соответствии с п. 2.

Свободные параметры можно подобрать путем повторения описанного выше процесса для одного и того же множества объектов.

1
Оглавление
email@scask.ru