Метод - ближайший сосед
Cтраница 1
Метод ближайшего соседа сжимает пространство исходных переменных и рекомендуется для получения минимального дерева иерархической классификации. Метод дальнего соседа растягивает пространство. Метод группового соседа сохраняет метрику пространства. [1]
 |
Евклидово расстояние на шестом шаге. [2] |
Решение, полученное методом ближайшего соседа, близко к прежнему результату при описании кластеров средними показателями ( табл. 6.21), но не совпадает с ним - вместо четырех кластеров здесь выделились три. [3]
Удивительные результаты классификации методом ближайшего соседа получены в работе Ковера и Харта ( 1967), авторы которой установили также границы действия правила k ближайших соседей. [4]
В § 12 рассматривается метод ближайшего соседа в сочетании с априорной информацией о компактности классов. Полученное выражение функционала качества является точным и не зависит от сложностных характеристик семейства, которое, как известно, имеет бесконечную емкость. [5]
Заметим, что емкость семейства алгоритмов, индуцируемого методом ближайшего соседа, бесконечна, поэтому классическая теория Вапника-Червоненкиса вообще не дает оценок качества для данного случая. [6]
Ожидается, что оценка ( 12) позволит обосновать критерии оптимизации метрик для методов ближайших соседей, потенциальных функций и других, основанных на анализе сходства объектов. В частности, представляется возможной разработка методов комбинирования некорректных эвристических метрик путем явной оптимизации профиля компактности. [7]
Эта РНК может быть получена биосинтетическим путем с использованием меченых предшественников, что позволяет применить метод ближайших соседей ( см. стр. В другой работе 517 найдено, что препарат РНК фага Qg негомогенен. Наряду с молекулами, имеющими указанную выше 5 -концевую последовательность, присутствуют также молекулы, содержащие дополнительный остаток гуанозина на 5 -конце. [8]
Таким образом, неравенство (6.77) дает границы вероятности ошибки байесовского решающего правила в виде функций от асимптотической вероятности ошибки метода ближайшего соседа. [9]
Таким образом, неравенство (6.77) дает границы вероятности ошибки байесовского решающего правила в виде функций от асимптотической вероятности ошибки метода ближайшего соседа. [10]
Он предполагает использование деконволюции ( развертки), опирающейся на математические модели конкретных сенсоров, для восстановления первоначальной радиометрии кадра, утерянной в процессе получения изображения и его обработок, таких, как пересчет пикселей методом кубической свертки, билинейной интерполяции и методом ближайшего соседа. Все эти методики действуют как сглаживающие фильтры, подавляющие высокие частоты. При этом ухудшается качество передачи локальных объектов и резких границ. [11]
Мы предполагаем, что кратеры, меньшие - 20 км в молодой популяции и меньший - 45 км в более древней популяции, частично стерты эрозией. Недавний анализ земной популяции кратеров методом ближайшего соседа ( ( Hughes, 2000) - темные кружки на рис. 3 в) дает результаты, близкие к нашему упрощенному анализу. [12]
Некоторые семейства имеют бесконечную емкость и находятся за границами применимости теории, тем не менее с их помощью удается решать прикладные задачи, и довольно успешно. В частности, это относится к метрическим методам, основанным на явном хранении обучающей выборки, таким как метод ближайших соседей, а также к методам алгебраического подхода [9-12], гарантирующим безошибочное распознавание заданной выборки. На практике качество обучения почти всегда оказывается существенно лучше, чем предсказывает статистическая теория. [13]
Чтобы совместить оси координат пространства изображения с осями координат пространства карты, изображение должно быть геометрически трансформировано посредством передискретизации ( resampling), которая выполняется в соответствии с преобразованием, полученным в процессе привязки. Передискретизацию можно себе представить так: на исходный растр накладывается новая сетка, и каждой ее ячейке приписывается значение, определяемое близлежащими ячейками исходного растра. Значения, назначаемые ячейкам выходного растра, определяются алгоритмом передискретизации, каконым может быть метод ближайшего соседа, билинейная интерполяция или кубическая свертка. [14]
Ясно, что наиболее надежным доказательством идентичности структур продукта и затравки явилось бы установление идентичности нуклеотидных последовательностей в молекулах этих соединений. Однако, поскольку определение нуклеотидных последовательностей длинных отрезков ДНК - все еще нерешенная экспериментальная задача, приходится полагаться на менее прямые способы доказательства. Корнбергом был разработан новый подход к этой проблеме - так называемый метод определения частот ближайших соседей. Метод ближайших соседей состоит в определении абсолютной частоты, с которой каждый из этих динуклеоти-дов встречается в исследуемом образце ДНК. [15]
Страницы: 1 2