Разбиение - пространство - признак
Cтраница 1
Разбиение пространства признаков производится таким образом, чтобы минимизировался средний риск. Это означает, что при достаточно большом числе актов распознавания экономические потери от ошибок будут минимальными. [1]
Осуществляется разбиение априорного пространства признаков на области, соответствующие классам априорного алфавита классов. Разбиение должно быть выполнено некоторым оптимальным образом, для минимизации числа неверных решений при распознавании неизвестных образов. [2]
Задача 5 заключается в разбиении априорного пространства признаков на области, соответствующие классам априорного алфавита классов. [3]
 |
Составляющие вероятности ошибки. [4] |
Представляя классификатор как устройство для разбиения пространства признаков на области решений, можно глубже разобраться в работе байесовского классификатора. [5]
Задача классификации по существу представляет собой задачу разбиения пространства признаков на области, по одной для каждого класса. [6]
Полученный результат остается в силе независимо от способа разбиения пространства признаков на области решений. Байесовский классификатор делает эту вероятность максимальной за счет выбора областей, для которых интегрируемые величины наибольшие, так что никакое другое разбиение не приведет к меньшей вероятности ошибки. [7]
В настоящем добавлении мы рассмотрим кусочно-постоянные решающие правила, которые каждый элемент фиксированного разбиения пространства признаков целиком приписывают к одному из распознаваемых классов. [8]
Основное преимущество гистограммы - простота построения, недостатки - неопределенность при выборе способа разбиения пространства признаков и, следовательно, существенный элемент субъективизма в оценке и неудовлетворительность оценки вблизи границ областей разбиения, где оценка претерпевает разрывы. Отсюда возникает необходимость в процедуре сглаживания. В многомерном случае эта задача чрезвычайно сложна. [9]
На этом этапе с помощью программы ТАКСОН строится и записывается в файл номер 9 таксоны структура разбиения пространства признаков на таксоны. [10]
Во второй части книги были рассмотрены кусочно-линейные решающие правила. Эти правила основаны на построении в каждом элементе фиксированного разбиения пространства признаков линейной дискриминантной поверхности. [11]
Страницы: 1