21.12.2012 Aufrufe

Diplomarbeit von Michael Schindler

Diplomarbeit von Michael Schindler

Diplomarbeit von Michael Schindler

MEHR ANZEIGEN
WENIGER ANZEIGEN

Erfolgreiche ePaper selbst erstellen

Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.

18 1. Grundlagen<br />

Glockenkurve zuordnen, diese Zuordnung aber nur mit einer gewissen Wahrscheinlichkeit<br />

geschieht, bilden sie eine unscharfe Partitionierung <strong>von</strong> M (Kloppenburg, 1996).<br />

Je nach Varianz der Normalverteilungen ist diese Partition unterschiedlich scharf. In<br />

Abbildung 9a ist eine sehr unscharfe Partitionierung mit großen Varianzen dargestellt,<br />

die Einteilung in Abb. 9b dagegen ist schon fast eine scharfe Mengeneinteilung des<br />

Merkmalsraumes.<br />

Entwicklung nach lokalen Momenten<br />

Die notwendigen Bedingungen für die Minimierung <strong>von</strong> E lauten für die Zentren, Kovarianzmatrizen<br />

und Gewichte, die gemeinsam die Parameter des Modells bilden,<br />

cr = � � � � �<br />

P(r|x; ˆ θ) x ˆP(r|x; θ) , (1-13)<br />

X<br />

X<br />

Σr = � P(r|x; ˆ θ) (x − cr)(x − cr) T� � � �<br />

ˆP(r|x; θ) und (1-14)<br />

X<br />

X<br />

ˆPr = � �<br />

P(r|x; ˆ θ) . (1-15)<br />

X<br />

Sie definieren die optimale Approximation für p und wurden <strong>von</strong> Kloppenburg (1996)<br />

als lokale Momentenentwicklung bezeichnet. Diesen Begriff möchte ich kurz erläutern.<br />

Zunächst soll nur mit einer einzigen Normalverteilung geschätzt werden. Dann gilt<br />

ˆP(r|x; θ) = 1, und die drei Gleichungen vereinfachen sich zu<br />

c = � x �<br />

, (1-16)<br />

X<br />

Σ = � (x − cr)(x − cr) T�<br />

X = � xx T�<br />

X − ccT , (1-17)<br />

P = 1. (1-18)<br />

Man sieht, dass c der Schwerpunkt der Verteilung und Σ die Kovarianzmatrix ist.<br />

Beide sind globale Mittelwerte <strong>von</strong> Potenzen der betrachteten Zufallsgröße X. Solche<br />

Mittelwerte <strong>von</strong> Potenzen – oder Erwartungswerte, falls die gesamte Verteilung zur<br />

Verfügung steht – nennt man Momente <strong>von</strong> X (Bandelow, 1989),<br />

�� ��<br />

X m := E�X m� �<br />

= p(x) x m i · · ·x m d dx, (1-19)<br />

M<br />

mit der Ordnung m. Man sieht, dass P das Moment nullter Ordnung und c dasjenige<br />

erster Ordnung ist. Für Σ in (1-17) benötigen wir eine Erweiterung der Definiton auf<br />

gemischte zentrierte Momente der Ordnung m=m1 + · · · + md,<br />

�� �� ��d �<br />

Xi := E X − E(X)i<br />

(m1···md)<br />

i=1<br />

� mi<br />

�<br />

. (1-20)<br />

Die verschiedenen Momente zweiter Ordnung bilden also die Einträge der Kovarianzmatrix<br />

Σ. Ähnlich wie sich Funktionen in einer Taylorreihe nach Potenzen entwickeln<br />

lassen, so gibt es auch für viele Verteilungsdichten p eine Entwicklung nach zentrierten<br />

Momenten steigender Ordnung. Die Entwicklung bis zur zweiten Ordnung reicht aus,

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!