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 ДЛЯ СТУДЕНТОВ И ШКОЛЬНИКОВ ЕСТЬ
ZADANIA.TO
4.6.4. Аппроксимация плотностей распределения функциямиВ пп. 4.6.2 и 4.6.3 были рассмотрены частные случаи оценки параметров плотности распределения — предполагалось, что тип распределения известен. Часто, однако, это допущение неприемлемо и возникает необходимость оценивать плотность распределения непосредственно. Пусть
где
где Подстановка (4.6.48) в соотношение (4.6.47) дает
Требуется найти такие коэффициенты
Взяв частную производную, получим
Взглянув на правую часть уравнения (4.6.51), нетрудно убедиться в том, что она по определению равна математическому ожиданию функции
Подстановка этой аппроксимирующей оценки в уравнение (4.6.51) дает
Если базисные функции ортогональности [см. (2.7.4)] следует
Подстановка (4.6.54) в уравнение (4.6.53) приводит к следующему соотношению, позволяющему вычислить искомые коэффициенты:
Если базисные функции
После того как коэффициенты определены, с помощью формулы (4.6.48) формируется оценка плотности распределения Использование процедуры, рассмотренной в п. 4.6.2, позволяет представить выражение (4.6.56) в более удобной рекуррентной форме. Если
где Для того чтобы применение выражений (4.6.48) и (4.6.55) или (4.6.56) приводило к успеху, необходимо иметь в виду два существенных обстоятельства. Во-первых, следует полностью отдавать себе отчет в том, что качество аппроксимации с помощью выбранной системы базисных функций зависит от числа отыскивается для того, чтобы построить байесовский классификатор, то заботиться следует только о качестве распознавания, доступном этому классификатору. Последнее можно установить непосредственно в эксперименте с обучающей выборкой. Если при некоторой оценке Вторым важным моментом является выбор базисных функций. Так, например, если плотность распределения Пример. Рассмотрим классы, приведенные на рис. 4.6. Для этих классов требуется сформировать байесовский классификатор, воспользовавшись плотностями распределений, полученными непосредственной оценкой по обучающим выборкам. Эти плотности можно аппроксимировать, применив выражения вида (4.6.48):
в котором первый индекс коэффициента указывает класс Как следует из (4.6.54), базисные функции
Рис. 4.6. (см. скан) Определение границы, разделяющей классы, методом Байеса с использованием аппроксимации плотностей распределения функциями. [см. (2.7.18)]. Первые члены функции
Все эти функции ортогональны. Как показано в п. 2.7.3, ортонормированные функции определяются следующим выражением:
в котором множитель при (4.6.55) при больших значениях Множество ортогональных функций для двумерного случая легко получить, формируя произвольные попарные комбинации одномерных функций. Пусть
Должно быть очевидно, что порядок формирования этих функций не единственный. Для получения любой функции Теперь задача заключается в определении коэффициентов
где
где первый индекс образа указывает, какому классу он принадлежит (в данном случае
Следующий коэффициент определяется выражением
и так как реализация функции
Аналогично получим
Применение этой же процедуры к образам класса
Следовательно, согласно (4.6.48), аппроксимация плотности распределения
В таком случае искомые решающие функции имеют вид
Если предположить, что
В таком случае уравнением разделяющей границы будет
Соответствующая граница показана на рис. 4.6. Поскольку данная задача требует разделения образов на два класса, разность решающих функций должно быть очевидно, что в большинстве задач в первую очередь используется линейная аппроксимация. Только получение неприемлемых результатов заставляет увеличивать сложность аппроксимации. Важный частный случай аппроксимации посредством функций возникает при оценке плотностей распределения для двоичных образов. Если имеется образ Эти дискретные полиномиальные функции ортогональны относительно весовой функции
где суммирование проводится по всем Если в разложении используется только
где коэффициенты определяются из (4.6.55) при
Соответствующие коэффициенты для ортонормированиых функций задаются соотношением (4.6.56). Таблица 4.1 (см. скан). Формирование полиномиальных функций Радемахера — Уолша Поскольку в данном случае полное множество базисных функций состоит из Пример. В качестве примера аппроксимации посредством дискретных функций рассмотрим снова образы, представленные на рис. 4.3. Образы принадлежат двум классам: Решив воспользоваться линейиой аппроксимацией плотности распределения Коэффициенты для класса
где
Применение такой же процедуры к классу
В таком случае аппроксимации плотностей распределения выглядят следующим образом:
Приняв, что
Одну решающую функцию, обеспечивающую разделение обоих классов, можно получить, положив
после умножения на 16 эта функция принимает вид
Легко убедиться в том, что Следует отметить, что решающая функция
|
1 |
Оглавление
|