Линейная разделяющая функция

Cтраница 2

В заключение можно сделать вывод, что линейная разделяющая функция делит пространство признаков поверхностью решений, представляющей собой гиперплоскость. [16]

Перечислите все случаи, когда байесовский критерий дает линейную разделяющую функцию. [17]

Однако при трех или большем числе классов качество распознавания с использованием линейной разделяющей функции часто оказывается неприемлемым. Это может произойти и при двух классах, если каждый класс состоит из нескольких групп объектов. На рис. 4.11 изображен пример задачи распознавания при наличии четырех классов. [18]

Итак, если возможно разделение диагнозов Dx и Da с помощью линейной разделяющей функции (7.29), то процедура (7.21) осуществляет это разделение за конечное число исправлений. [19]

Используя те же данные, что в задаче 4.4, найдите линейную разделяющую функцию, максимизирующую критерий Фишера. [20]

Таким образом, алгоритм Кора может быть отнесен к алгоритмам с линейной разделяющей функцией в диагностическом пространстве. [21]

Линейные границы областей решений для задачи трех классов. а - дихотомия й 7не со /, б - дихотомия а - / а у. [22]

Существует немало способов создания классификаторов для многих классов, основанных на использовании линейных разделяющих функций. Например, можно свести задачу к с-1 задачам для двух классов, где решением i - й задачи служит линейная разделяющая функция, определяющая границу между точками, соответствующими решению сог, и точками, не соответствующими решению со. [23]

Отображение в случае у ( хх. [24]

Таким образом, переход от х к у сводит задачу к определению однородной линейной разделяющей функции. [25]

Если в правой части равенства (8.18) оставить только первый член, получаем обычную линейную разделяющую функцию. [26]

Во многих случаях эффективное разбиение данных на два класса удается произвести при помощи линейной разделяющей функции. Однако отыскать подобную функцию для многомерных данных далеко не просто. Невозможно построить многомерный граф, наглядно изображающий точки. Более того, как правило, нецелесообразно вычислять все возможные решающие поверхности для того, чтобы выбрать одну из них, ведущую к нужному решению. Во многих случаях успех приносит эвристический подход. [27]

Среди разнообразных разделяющих функций самой простой в применении и потому наиболее распространенной в химии является линейная разделяющая функция. Как отмечалось выше, линейная разделяющая функция эквивалентна некоторой весовой функции, при умножении которой на вектор образа получается скалярный результат. Несмотря на то что принципиально возможна множественная классификация, самым простым классификатором служит бинарное устройство, дающее один из двух альтернативных ответов. При использовании для бинарной классификации линейной разделяющей функции удобно определять принадлежность образа к одному из двух классов по знаку скаляра. [28]

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. [29]

Решение вопроса о принадлежности распознаваемого объекта к одному из классов эталонной выборки, так же как и во многих других методах распознавания образов, производится на основании сравнения значения линейной разделяющей функции, вычисленной для распознаваемого объекта со значениями этой функции для эталонных объектов. Распознаваемый объект относится к тому же классу, к какому принадлежит эталонный объект, для которого-разность между сравниваемыми значениями разделяющей функции минимальна. [30]

Страницы: 1 2 3 4