Процедуры распознавания зависят от понятия расстояния между двумя точками в пространстве описаний D


Скачать 93.92 Kb.
НазваниеПроцедуры распознавания зависят от понятия расстояния между двумя точками в пространстве описаний D
Дата публикации13.08.2013
Размер93.92 Kb.
ТипЛекция
referatdb.ru > Математика > Лекция




Лекция 4

МЕТОДЫ КЛАССИФИКАЦИИ РАСПОЗНАВАНИЯ ОБРАЗОВ, ИСПОЛЬЗУЮЩИЕ ЕВКЛИДОВЫ ПРОСТРАНСТВА ОПИСАНИЙ
Рассмотрим некоторые методы параллельного распознавания образов, которые можно применять объектам, представленным точками в евклидовом пространстве описаний, причем каждый классифицируемый объект описывается совокупностью измерений, определяющих оси евклидова пространства.

Предположим, что существует известное множество С= { C j }, состоящее

из k взаимно исключающих классов объектов. Каждый объект представляется набором результатов измерений, называемым его описанием. Одно измерение - это точка на некоторой шкале, а совокупность шкал в свою очередь определяет пространство описаний D . Таким образом, описание объекта – это точка x в пространстве D

Процедурой классификации образов называется процедура, относящая объект к классу Сj тогда и только тогда, когда его описание попадает в область R j пространства D, соответствующую этому классу. Такая процедура классификации образов корректна, если объект и в самом деле относится к классу i .

Процедурой распознавания образов называется процедура определения этих областей { R i } путем исследования описаний множества S объектов, про которые известно, каким классам они на самом деле принадлежат. Итак, S будет выборкой, с которой работает процедура распознавания образов.
^ 1.БЕЙЕСОВСКИЕ ПРОЦЕДУРЫ В РАСПОЗНАВАНИИ ОБРАЗОВ

Процедуры распознавания зависят от понятия расстояния между двумя точками в пространстве описаний D. Если в пространстве D расстояние между точками, являющимися описаниями двух объектов, достаточно мало, то скорее всего эти объекты принадлежат одному классу. Такой подход справедлив для большинства физических шкал, таких, как рост и вес, но менее пригоден, если описание основано на присутствии или отсутствии каких-то признаков. Далее покажем, какие именно свойства самих измерений вытекают из предположения о существовании расстояния.

Пусть D будет m – мерным пространством описаний. Точка определяется m -мерным вектором (X 1, , X m ), Расстояние между двумя точками X и Y в D равно

( x , y ) = .

Отсюда ясно, что расстояние между двумя точками зависит от их относительного расположения в D, а не от абсолютного местоположения каждой, т. е. точки X, Y удалены друг от друга на то же расстояние, что и точки , если

= для всех « ».

Шкалу, позволяющую сравнивать отдельные измерения ,иногда называют шкалой интервалов. Примерами шкалы интервалов могут быть шкалы времени, веса и роста. В частности, для временной шкалы интервалов истинным является утверждение «отрезок времени между Z и Z+2 не зависит от значения « Z »/

Таким образом, шкалы интервалов инвариантны относительно линейных преобразований, т.е. можно пространство описаний D . новым пространством по

Формуле .
Существуют шкалы, не обладающие свойством шкалы интервалов.
Например, твёрдость обычно относят к шкале порядка, поскольку её можно использовать для того, чтобы приписать объектам числа, отражающие лишь некоторое упорядочение, а не обязательно свойство равных интервалов.

В абсолютных шкалах помимо интервального свойства указывается единица измерений и нулевая точка. Примером может служить шенноновская мера информации.

Приведенное обсуждение шкал имело двоякую цель:

1)оправдать те преобразования пространства описаний, которые будут впоследствии использоваться.

2)дать представление о фундаментальном положении любого рассуждения, связанного с классификацией образов с использованием расстояния.

Бейесовское правило

Классификация образов – частный случай более общей задачи: выбрать одно из возможных объяснений на основе имеющихся данных. Бейесовский метод был предложен в качестве нормативной модели того, как следует себя вести в подобных случаях, а также для описания того, что происходит на самом деле.

В данном разделе определяется основная процедура, широко используемая в задачах параллельной евклидовой классификации.

Пусть А, В, С,- дискретные события, которые характеризуются следующими вероятностями появления:

Pr (A) – вероятность появления события А,

Pr (A, B) – вероятность совместного появления событий А и В,

Pr (B / А) –вероятность появления события В при условии, что произошло событие А.

Pr (А , B) – совместная вероятность двух независимых событий.

В бейесовской задаче исходным является фиксированное множество

гипотез H = , которые определяют все возможные «состояния мира» и исключают друг друга, поскольку мир должен находиться только в одном из состояний. С каждой гипотезой Hi связана ( субъективная ) вероятность Pr ( Hi)

того, что она на самом деле выполняется.
Отсюда следует, что
Pr (Hi , H j ) = 0 ( взаимно исключающие события )

( полнота).

Истинна гипотеза Hi или нет, нельзя проверить прямым наблюдением, в ходе эксперимента получают множество E= наблюдаемых исходов.

Поскольку в каждом отдельном эксперименте имеет место только один исход, события взаимоисключающие. Итак.

) ,

,





Рассмотрим конкретный пример. Пусть гипотезы состоят в том, что идёт или не идёт дождь, а эксперимент заключается в наблюдении следующих возможных событий за окном:

(а) на улице нет людей,

(б) по меньшей мере у одного человека на улице есть зонтик,

(в) на улице есть люди, но ни у кого из них нет зонтика.

Представим себе пасмурный осенний день, для которого априорные вероятности того, идет дождь или не идет, примем такими:

Обозначение

Пояснение

Величина



Вероятность того, что идет дождь

0,3.



Вероятность того, что дождь не идёт

0,7

Если идет дождь, то более вероятно, что улица пуста, а если кто-то .должен выйти на улицу, то он, вероятнее всего, возьмёт зонтик. Исходя из отмеченного, для условных вероятностей наблюдаемых исходов примем приведенные в таблице значения

Одной из задач может быть следующая: мы видим человека с зонтиком, какова вероятность того, что идет дождь? Задача состоит в вычислении вероятности того, что идет дождь при условии, что на улице есть человек с зонтиком.


Обоснование

Пояснение

Величина



Дождь, у людей на улице не менее одного зонтика

0,4



Дождь, все люди на улице без зонтиков

0,2



Дождь, улица пуста

0,4



Нет дождя, у людей на улице не менее одного

зонтика

0,05



Нет дождя, ни у кого на улице нет зонтика

0,75



Нет дождя, улица пуста

0,2


Используя определение совместной вероятности, получаем

,

.



В итоге бейесовское правило оценки вероятности осуществления гипотезы на основе наблюдаемых событий выглядит следующим образом




Это правило применимо, если существует фиксированное множество гипотез и для каждой из них известны вероятности различных наблюдений. Оно применимо как для параллельных, так и для последовательных процедур распознавания образов.
2.Параллельная процедура классификации образов на основе бейесовской оценки вероятностей осуществления различных гипотез.

При применении бейесовского правила классификации роль гипотез играют названия классов, а роль экспериментального наблюдения – описание классифицируемого объекта. Каждый классифицируемый объект принадлежит точно одному классу, а наблюдаемые величины образуют совокупность x измерений объекта. Два различных объекта из двух разных классов могут дать одинаковые векторы описания.

Пусть x обозначает событие «наблюдается объект с описанием x», а j событие «классифицируемый объект принадлежит классу j ». Устройство классификации образов должно относить объект с описанием x классу « j »

тогда и только тогда, когда



В процедуре распознавания образов пространство описаний D на такие области

, что это выражение удовлетворяется для всех точек из области и только для них. Затем объекты классифицируются в соответствии с областью, в которую попадает x .

Для примера представим, что врачу необходимо провести обследование всех служащих какой-то компании, которые по его мнению могут иметь серьёзные психические отклонении. Если компания большая, то о тщательном обследовании каждого служащего в отдельности не может быть и речи. Разумной альтернативой было бы провести целевой анкетный персональный тест, а затем обследовать тех, чьи результаты выглядят подозрительно.

В терминах распознавания образов служащие являются классифицируемыми объектами, а очки, полученные в тестах, образуют одномерное пространство описаний. Теперь допустим, что предыдущее обследование показало, что тестовые очки лиц с психическими отклонениями имеют нормальное распределение со средним значением 130 и среднеквадратичным отклонением 10, а для психически здоровых людей указанные параметры этого распределения соответственно равны 110 и 20 (рис.1). Представленные на рис.1 примерные кривые распределений показывают, с одной стороны, возможность с помощью данного теста различать две упомянутые группы служащих, а с другой стороны наличие определённых сложностей в реализации данной процедуры, обусловленных частичным перекрытием этих распределений. Кроме того, чтобы применить правило




классификации, надо учесть , что здоровых людей, скажем, в 10 раз больше, чем людей с психическими отклонениями. Это означает, что кривую на рис.1 , соответствующую распределению для случаев психических отклонений, надо сжать так, чтобы площадь под ней составляла 0.1 от площади под кривой распределения для здоровых людей, но чтобы форма первой кривой оставалась прежней рис.2).

Теперь нас интересует вопрос: какова область тестовых измерений, в которой абсолютное количество случаев психических отклонений превышает абсолютное количество здоровых? Ответ на этот вопрос также очевиден из анализа рис.2. Служащие должны считаться «психически ненадёжными» (и, следовательно, должны быть подвергнуты обследованию) только в том случае, если их очки превышают отмеченное на рисунке критическое значение , т.е. «наиболее типичного результата» для психически больных. Одним из следствий такой минимизации общего количества неверных классификаций явилась классификация более половины психически больных как здоровых.






Полученный результат непосредственно вытекает из формулы Бейеса. В самом деле, запишем правило Бейеса в обозначениях, принятых при распознавании образов:


Зависимость бейесовского правила оценки вероятности осуществления гипотез при распознавании образов как от так и от априорных вероятностей для класса « », в только что рассмотренном примере может показаться обескураживающей. Однако всё становится на место, если учесть, что оценка по правилу Бейеса минимального числа ошибочных классификаций осуществлялась без учета относительных стоимостей ошибочных классификаций.

Существует простой способ учёта таких соображений при бейесовской классификации. Пусть описывает цену неправильного отнесения при классификации члена класса к классу . Если процедура распознавания относит точку к области , то ожидаемые потери из-за ошибочной классификации точки равны


Для минимизации ожидаемых потерь вследствие ошибочной классификации области

определяются так, чтобы минимизировать по всем точкам пространства

Уравнением границы между двумя соседними областями и будет



Часто бывает интересно исследовать форму этой границы; такое исследование может дать нам неформальное понимание существа процедуры классификации.





Похожие рефераты:

Процедуры распознавания зависят от понятия расстояния между двумя...
Методы классификации распознавания образов, использующие евклидовы пространства описаний
2. Множество Х с заданной на нём метрикой , т е. пара (Х, ), называется...
Будем обозначать расстояние между двумя точками М1 и М2 символом. Напомним, что расстояние между двумя точками М1(х1,y1) и М2(х2,y2)...
Программа промежуточного государственного контроля по дисциплине «математика»
...
Параллельные процедуры распознавания образов
При этом объекты будем представлять не точками в евкли-довом пространстве, а упорядоченным списком признаков, которыми они мо-гут...
Тесты по географии с ответами 1 Тема Карты, масштабы, планы и т д
Если между двумя точками по меридиану s градусов, то расстояние между точками на местности приблизительно равно
Курс лекций по геодезии Составила преподаватель Трубкина Е. Г
Деятельность людей связана с различными измерениями. Измеряют расстояние между двумя точками, площадь участка, угол между двумя прямыми,...
Лекция 3 прямая и точка на плоскости
Положение плоскости в пространстве определяется тремя точками, не лежащими на одной прямой; прямой и точкой, взятой вне прямой; двумя...
1 Расстояние между двумя точками на карте масштаба 1: 2000 равно...
Расстояние между двумя точками на карте масштаба 1: 2000 равно 2 см, какова длина этого отрезка нa местности?
Предел и непрерывность функции многих переменных
...
Контрольные вопросы. Какова единица давления?
Все приборы для измерения давления жидкости (жидкостные, механические, электрические) измеряют разность давлений между двумя точками....

Вы можете разместить ссылку на наш сайт:
Школьные материалы


При копировании материала укажите ссылку © 2013
контакты
referatdb.ru
referatdb.ru
Рефераты ДатаБаза