Diplomarbeit von Michael Schindler
Diplomarbeit von Michael Schindler
Diplomarbeit von Michael Schindler
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
1.1 Dichteschätzung mit einer Mischung multivariater Normalverteilungen 17<br />
ist nun eine geeignete Fehlerfunktion E(θ) für die Aufgabe der Dichteschätzung gefunden.<br />
Von Dersch (1995) wurde bewiesen, dass die Minimierung <strong>von</strong> E tatsächlich<br />
zu einer Approximation der Dichte p selbst führt, und nicht zu einer verzerrten Dichte<br />
p, wie das etwa beim Kohonenalgorithmus in einer Dimension der Fall ist (vgl. Ritter,<br />
Martinetz & Schulten, 1992; Dersch, 1995; ein Beispiel für diesen Algorithmus wird<br />
auch an späterer Stelle in Abbildung 18 gegeben). In Appendix C.1 wird das gleiche<br />
Ergebnis noch einmal mit Hilfe der Variationsrechnung gezeigt, um diese Methode<br />
für spätere Zwecke zu etablieren. Zwanglos ergibt sich außerdem die Stabilität des<br />
stationären Zustandes.<br />
Abbildung 9: Sehr unscharfe (a)<br />
und scharfe (b) Partitionierung des<br />
Merkmalsraumes aus Abb. 8.<br />
In (a) ist die Standardabweichung<br />
der Normalverteilungen 1.42-mal so<br />
groß wie die in Abb. 8, in (b) nur<br />
0.28-mal.<br />
Unscharfe Partitionierung<br />
1<br />
0<br />
1<br />
0<br />
ˆP(1|x) ˆ P(2|x) ˆ P(3|x)<br />
(a)<br />
c1 c2 c3 x<br />
ˆP(1|x) ˆ P(2|x) ˆ P(3|x)<br />
(b)<br />
c1 c2 c3 x<br />
Der Ansatz, die Schätzung ˆp als Mischung <strong>von</strong> Normalverteilungen zu schreiben, führt<br />
(mehr oder minder künstlich) M Klassen ein, denen die Datenpunkte zugeordnet werden.<br />
Legt man wieder die Approximation ˆp der Verteilungsdichte zugrunde, so wird die<br />
Wahrscheinlichkeit, dass ein Punkt x <strong>von</strong> der Normalverteilung r ” generiert“ wurde,<br />
nach dem Bayes’schen Satz berechnet,<br />
ˆP(r|x; θ) = ˆ � �M<br />
Pr ˆp(x|r; θr)<br />
= ˆ Pr ˆp(x|r; θr)<br />
ˆp(x; θ)<br />
mit den multivariaten Normalverteilungen<br />
�<br />
ˆp(x|r; θr) := exp − 1<br />
2 (x − cr) T Σ −1<br />
r<br />
r ′ =1<br />
ˆPr ′ ˆp(x|r′ ; θr ′) (1-10)<br />
, (1-11)<br />
� � �(2π) d<br />
(x − cr) |Σr| �1/2 . (1-12)<br />
Die bedingten Wahrscheinlichkeiten ˆ P(r|x) können als Zuständigkeiten der Gauß’schen<br />
Glockenkurven aus Abb. 8a für den Punkt x verstanden werden. Die Funktionen<br />
x ↦→ ˆ P(r|x; θ) sind in Abb. 8b dargestellt. Dadurch, dass sie jeden Punkt zu einer