Clusterbildung, Klassifikation und Mustererkennung (PDF)

Weitere Magazine

Empfehlungen

Info

allgemeiner Fall: multivariate Normalverteilung mit gegebenen Kovarianzen der Einzelmerkmale untereinander Kovarianzmatrix: drückt die lin. Zusammenhänge zwischen den Merkmalen aus; eigentlich Varianz-Kovarianzmatrix, da in der Diagonale die Varianzen stehen. • auf [–1, 1] normierte Kovarianz: Korrelation 283
2-dim. Fall: Einsatz in der <strong>Klassifikation</strong>: die Zuordnung erfolgt zu derjenigen Klasse, für die P(ω i | x) am größten ist (wobei sich dieses nun ausrechnen lässt) = Maximum-Likelihood-Klassifikator 284
Seite 1 und 2: 9. Clusterbildung, Klassifikation u
Seite 3 und 4: andere Begriffe für Klassifikation
Seite 5 und 6: Merkmal Länge: Histogramm Merkmal
Seite 7 und 8: ⇒ Kompromiss Beispiel mit 3 Merkm
Seite 9 und 10: weiteres Beispiel (aus Bässmann &
Seite 11 und 12: Unüberwachtes Lernen (eigentliche
Seite 13 und 14: Auswahl der Merkmale: die Merkmale
Seite 15 und 16: nächster Schritt: Berechnung der D
Seite 17 und 18: Einteilung der Clustering-Algorithm
Seite 19 und 20: Klassifikationsverfahren Minimum-Di
Seite 21 und 22: Bedingte Wahrscheinlichkeit: P( A |
Seite 23 und 24: Der Satz von Bayes damit lassen sic
Seite 25: jedoch wird hier die mehrdimensiona
Seite 29 und 30: Isolinien der Mahalanobis-Distanz:
Seite 31 und 32: Entscheidungsbaum für die Schrifte
Seite 33: Nächster-Nachbar-Klassifikator Dis

Clusterbildung, Klassifikation und Mustererkennung (PDF)

Erfolgreiche ePaper selbst erstellen

Template löschen?

Als Template speichern?