Разделы презентаций


Лекция 5

Содержание

Условия применимости:Все свойства измерены в арифметической шкале;Два и более образа в материале обучения;В пространстве «объекты-свойства» объекты обучения имеют нормальное распределение (образы компактны).Дискриминантный анализ эффективно использовать при достаточно близком

Слайды и текст этой презентации

Слайд 1Лекция 5
Алгоритм
«Дискриминантная функция»

Лекция 5Алгоритм«Дискриминантная функция»

Слайд 2Условия применимости:
Все свойства измерены в арифметической шкале;

Два и более образа

в материале обучения;

В пространстве «объекты-свойства» объекты обучения имеют

нормальное распределение (образы компактны).

Дискриминантный анализ эффективно использовать при достаточно
близком расположении образов и даже при небольшом их наложении.

Условия применимости:Все свойства измерены в арифметической шкале;Два и более образа в материале обучения;В пространстве «объекты-свойства» объекты обучения

Слайд 3Постановка задачи
В исходных данных, представленных в виде ТОС, присутствуют

представители

всех образов. Для каждого объекта указана его

принадлежность к образу.

В процессе распознавания определяется

принадлежность объектов экзамена к одному из образов.
Постановка задачиВ исходных данных, представленных в виде ТОС, присутствуют представители всех образов. Для каждого объекта указана его

Слайд 4Решающее правило
Необходимо построить поверхность такую, чтобы с одной стороны
лежали

с большей вероятностью объекты 1-го образа, а с другой другого,
при

минимуме ошибок 1-го и 2-го рода (критерий Байеса).

х

х

х

х

х

х

х

С одной стороны линии объекты
одного образа, а с другой
другого.

х

Результат обучения (решающее правило)

Решающее правилоНеобходимо построить поверхность такую, чтобы с одной стороны лежали с большей вероятностью объекты 1-го образа, а

Слайд 5Линейный дискриминантный анализ
Рассмотрим случай, когда в МО имеется два

образа.
Оказывается, что при равных ковариационных матрицах поверхностью, с одной

стороны от которой больше вероятность принадлежности к одному из образов, а с другой к другому является гиперплоскость, т. е. линейная
поверхность размерности

, n — размерность пространства.

Уравнение гиперплоскости в общем виде можно записать следующим образом:

Что в привычном двумерном (2 свойства) случае можно представить так:

Линейный дискриминантный анализ Рассмотрим случай, когда в МО имеется два образа. Оказывается, что при равных ковариационных матрицах

Слайд 6В нашем случае эта гиперплоскость вычисляется следующим образом:
Эта формула

называется уравнением линейной дискриминантной функции, где
-- n-мерный вектор столбец в

пространстве свойств

Пример ТОС (2 свойства,
2 образа)
вектор x для 1-го объекта:

В нашем случае эта гиперплоскость вычисляется следующим образом: Эта формула называется уравнением линейной дискриминантной функции, где-- n-мерный

Слайд 7— математическое ожидание (среднее) объектов 1-го образа (вектор);
— математическое ожидание

(среднее) объектов 2-го образа (вектор);
— транспонирование;
— обратная матрица коэффициентов ковариации.

свойство

2е свойство

1е свойство

2е свойство

— математическое ожидание (среднее) объектов 1-го образа (вектор);— математическое ожидание (среднее) объектов 2-го образа (вектор);— транспонирование;— обратная

Слайд 8Коэффициенты ковариации вычисляются следующим образом:
Здесь M[ ] – означает среднее

от того, что в квадратных скобках
, где n - количество

свойств.

где — математическое ожидание по к-ому свойству.

Коэффициенты ковариации рассчитываются для всех пар свойств
отдельно для объектов 1-го и 2-го образов.

Коэффициенты ковариации вычисляются следующим образом:Здесь M[ ] – означает среднее от того, что в квадратных скобках, где

Слайд 9В частности в нашем примере рассчитываются 4 коэффициента ковариации:
Эти коэффициенты

заносятся в
таблицу (матрицу) ковариации; этих матриц
будет две, по числу

образов.

Здесь D – это дисперсия по
i-му свойству.

1й образ

2й образ

показрасч

В частности в нашем примере рассчитываются 4 коэффициента ковариации:Эти коэффициенты заносятся в таблицу (матрицу) ковариации; этих матрицбудет

Слайд 101й образ
2й образ
Далее, если матрицы различны, рассчитываем усредненную
матрицу ковариации:
количество

объектов 1-го образа
количество объектов 2-го образа
Обратная матрица к усредненной, обозначается
и

входит в уравнение дискриминантной функции:

примвыш

1й образ2й образДалее, если матрицы различны, рассчитываем усредненную матрицу ковариации:количество объектов 1-го образаколичество объектов 2-го образаОбратная матрица

Слайд 11Зная все параметры, мы можем вычислить значение дискриминантной функции
для любого

объекта МО или МЭ.
х
х
х
х
х
х
х
+
-
-
-
+
Положительные значения
(класс А)
Отрицательные значения
(класс В)

Зная все параметры, мы можем вычислить значение дискриминантной функциидля любого объекта МО или МЭ.ххххххх+---+Положительные значения(класс А)Отрицательные значения(класс

Слайд 12Чтобы построить саму гиперплоскость достаточно вспомнить, что:
Два равенства и две

неизвестные. Подробнее как это сделать в Excel
вы рассмотрите на семинарах.

Чтобы построить саму гиперплоскость достаточно вспомнить, что:Два равенства и две неизвестные. Подробнее как это сделать в Excelвы

Слайд 13Распознавание с отказами
Пусть имеется
образов, где
(т. е. известны эталоны для

этих образов). Тогда можно построить
линейную дискриминантную функцию для любой

пары образов:

где

образы.

Распознавание с отказами Пусть имеетсяобразов, где (т. е. известны эталоны для этих образов). Тогда можно построить линейную дискриминантную

Слайд 14f1
f2
1й образ
3й образ
2й образ
Объект
относится к
-му образу, если
для всех


или к области отказа, если
такового

нет.

В область отказа попадают такие точки, для которых невозможно
определить принадлежность к одному из образов. Другими словами
точка отказа — это такая точка, координаты которой при
подставлении в дискриминантную функцию дают следующие значения:

;

;

(в соответствии с картинкой внизу)

область отказа

f1f21й образ3й образ2й образОбъект относится к -му образу, еслидля всех или к области отказа, если такового

Обратная связь

Если не удалось найти и скачать доклад-презентацию, Вы можете заказать его на нашем сайте. Мы постараемся найти нужный Вам материал и отправим по электронной почте. Не стесняйтесь обращаться к нам, если у вас возникли вопросы или пожелания:

Email: Нажмите что бы посмотреть 

Что такое TheSlide.ru?

Это сайт презентации, докладов, проектов в PowerPoint. Здесь удобно  хранить и делиться своими презентациями с другими пользователями.


Для правообладателей

Яндекс.Метрика