Разделяющая функция

Cтраница 2

Если возможно представление разделяющей функции в виде ряда (8.1), то существует также линейное разделение в диагностическом пространстве. [16]

Так как для нахождения разделяющих функций необходимо получить величину, обратную 2, у нас уже есть алгебраические условия, связывающие по крайней мере d 1 выборок. Неудивительно, что сглаживание случайных отклонений для получения вполне приемлемой оценки потребует в несколько раз большего числа выборок. [17]

Разделяющая поверхность и разделяющий слой в пространстве признаков. [18]

Один из важнейших классов разделяющих функций связан с линейными дискриминантными функциями. [19]

В данном случае вид разделяющей функции становится нелинейным второго, третьего ( в максимуме обычно до 4-го) порядка. [20]

Схема классификатора образов. [21]

Ясно, что выбор разделяющих функций не единствен. [22]

В четвертой рассмотрены построение разделяющей функции и применяемые при этом процедуры; в этой главе приведены многочисленные примеры из практики химических исследований. В пятой главе описан отбор признаков, который проводится по результатам, показываемым классификатором. Изложение подкрепляется примерами обработки масс-спектрометрических данных. В шестой главе обсуждены сложные преобразования при доклассификацион-ной обработке данных, в том числе генерирование членов, учитывающих взаимодействие между первичными дескрипторами, преобразование Фурье, а также факторный анализ. В седьмой рассмотрена возможность использования теории распознавания образов для решения химических задач другого типа, таких, как предсказание масс-спектра соединения на основе только его двумерной молекулярной структуры. Эти методы применяются в химии при решении самых различных задач, например при анализе лекарственных препаратов. В приложении помещен полный текст программы для моделирования обучающейся машины с показательным набором пятимерных данных на выходе машины. Программа работала на вычислительной машине IBM 370 / 168, принадлежащей вычислительному центру при Пенсильванском университете, однако она почти без всяких переделок может использоваться и в других вычислительных системах. В конце книги приведен список монографий, позволяющий заинтересованному читателю составить представление о богатой литературе по распознаванию образов. [23]

В § 4.3 была рассмотрена разделяющая функция, минимизирующая среднеквадратичную ошибку. Эта функция была построена по конечному числу имеющихся объектов. Повторите построение, предполагая, что вмест выборки объектов заданы две плотности вероятности. [24]

Кг () и есть искомая разделяющая функция. Такая же процедура повторяется и для ( / 1) - й точки. Если это предположение оказывается для нее справедливым, то потенциал rfa этом шаге не изменяется. [25]

Положим, что наилучший выбор разделяющей функции сделан тогда, когда / ( с) достигает минимума. [26]

Таким образом, в формулу квадратичной разделяющей функции входят d ( d l) / 2 дополнительных коэффициентов; это позволяет получать более сложные разделяющие поверхности. Разделяющая поверхность, определяемая уравнением g ( x) 0, является поверхностью второго порядка, или гиперквадрикой. Если матрица W является положительным кратным единичной матрицы, разделяющая поверхность будет гиперсферой. [27]

В предыдущем параграфе для определения оптимальной разделяющей функции, минимизирующей вероятность ошибки, предполагалось, что в классах км и к2 плотности вероятности значений линейной разделяющей функции являются нормальными или близкими к нормальным. Даже при выводе обобщенной формулы для различных критериев предполагалось, что критерии представляют собой функции математических ожиданий и дисперсий значений разделяющей функции. [28]

Второе: вполне оправданным является использование решающих разделяющих функций в линейной машине, которая относит у к классу шг при условии а у aj у для всех jjfi. Псевдообращение для решения задачи минимизации квадрата ошибки в случае многих классов можно представить в виде, аналогичном случаю двух классов. [29]

Команды меню Окно ( Window. [30]

Страницы: 1 2 3 4