Работа с текстом
<<  Системы распознавания текста ABBYY FineReader  >>
Распознавание образов
Распознавание образов
Распознавание образов – это определение принадлежности данного объекта
Распознавание образов – это определение принадлежности данного объекта
Отбор информативных свойств
Отбор информативных свойств
Оценка частот сочетаний качественных свойств
Оценка частот сочетаний качественных свойств
Оценка частот сочетаний качественных свойств
Оценка частот сочетаний качественных свойств
Информативность количественных свойств оценивают путем анализа
Информативность количественных свойств оценивают путем анализа
Пример определения информативности количественных свойств
Пример определения информативности количественных свойств
Методы распознавания образов
Методы распознавания образов
V1
V1
V1
V1
Распознавание образов
Распознавание образов
Пример вычислений для 2-х групп
Пример вычислений для 2-х групп
Вычисление коэффициентов
Вычисление коэффициентов
Вычисление коэффициента b
Вычисление коэффициента b
Плоскость
Плоскость
Дискриминанты точек
Дискриминанты точек
Если имеется только 2 группы, то дискриминацию можно провести с
Если имеется только 2 группы, то дискриминацию можно провести с
Предположения
Предположения
Пример выполнения дискриминантного анализа в STATISTICA 6.01
Пример выполнения дискриминантного анализа в STATISTICA 6.01
Выбор групп
Выбор групп
Проверка выполнения предположений
Проверка выполнения предположений
Анализ результатов
Анализ результатов
Распознавание образов
Распознавание образов
Распознавание образов
Распознавание образов
Распознавание образов
Распознавание образов
Распознавание образов
Распознавание образов
Распознавание образов
Распознавание образов
Распознавание образов
Распознавание образов
Для качественных признаков используется частотный анализ
Для качественных признаков используется частотный анализ

Презентация: «Распознавание образов». Автор: geoinform_444. Файл: «Распознавание образов.ppt». Размер zip-архива: 682 КБ.

Распознавание образов

содержание презентации «Распознавание образов.ppt»
СлайдТекст
1 Распознавание образов

Распознавание образов

2 Распознавание образов – это определение принадлежности данного объекта

Распознавание образов – это определение принадлежности данного объекта

к одному из заранее выделенных классов объектов.

Образ – это совокупность однородных эталонных объектов с набором свойств.

У всех объектов должны быть измерены одни и те же свойства

3 Отбор информативных свойств

Отбор информативных свойств

Распознаванию образов предшествует отбор информативных свойств, чтобы исключить из рассмотрения неинформативные свойства и сократить объем вычислений.

Методы определения информативности свойств.

Качественные признаки

Количественные признаки

Оценка частот сочетаний качественных свойств

Анализ расстояний между облаками точек в признаковом пространстве.

Избыток неинформативных свойств ухудшает результаты распознавания образов.

4 Оценка частот сочетаний качественных свойств

Оценка частот сочетаний качественных свойств

2

5

2

3

5

Отбор информативных свойств, измеренных в номинальной или порядковой шкалах.

N – число объектов (наблюдений, образцов и т.Д.); K – число свойств; nij – частота совместного появления свойства i и свойства j.

Первое свойство проявляется в 3х объектах

Второе свойство совместно с первым проявляется в 2х обектах (2 и 3)

Третье свойство совместно с первым проявляется в одном объекте ( 3 )

Четвёртое свойство совместно с первым проявляется в одном объекте ( 3 )

Пятое свойство совместно с первым проявляется в трёх объектах (2, 3 и 6)

?

1

0.37

2

0.61

5 Оценка частот сочетаний качественных свойств

Оценка частот сочетаний качественных свойств

Ji

Jm

Jm integr%

Отбор информативных свойств, измеренных в номинальной или порядковой шкалах.

1

0.37

Аналогичным образом рассчитывается информативность каждого свойства

2

0.61

3

0.31

4

0.41

5

0.59

Расположив свойства в порядке информативности, можно найти суммарную информативность m свойств:

Информативность 2,5 и 4 свойств в сумме составляет 89 %. 1 и 3 свойства могут быть исключены из анализа.

2

0.61

0.61

57.61

5

0.59

0.85

80.14

4

0.41

0.92

89.01

1

0.37

1.01

96.62

3

0.31

1.06

100.00

6 Информативность количественных свойств оценивают путем анализа

Информативность количественных свойств оценивают путем анализа

расстояний между облаками точек рудных и безрудных объектов в признаковом пространстве. Информативность свойства j характеризуется квадратом нормированного расстояния между проекциями центров облаков на ось j признакового пространства:

- Дисперсия свойства j (дисперсия разности средних)

Чем больше значение Jj, тем более информативным является данное свойство.

Дисперсии свойства j рудных и безрудных объектов

N1 и n2 – количество рудных и безрудных объектов

7 Пример определения информативности количественных свойств

Пример определения информативности количественных свойств

Рудные

Безрудные

1.Средние значения свойств

2. Дисперсии свойств

3. Дисперсии разности средних

4. Нормированные квадраты расстояний

Ji =0,12 5,52 4,13 1,41 0,31

Наиболее информативными являются второе и третье свойства.

;

;

.

8 Методы распознавания образов

Методы распознавания образов

Дискриминантный анализ - разделение признакового пространства на области, в которых преобладают объекты одного типа путем проведения плоскостей (гиперплоскостей) между облаками точек, отвечающих объектам.

- Дискриминант точки

- Уравнение плоскости

Ni – количество наблюдений в i-ом объекте k – количество свойств

Cov- ковариации свойств эталонных объектов X и Y

- Средние значения i-го свойства объектов X и Y

9 V1

V1

V2

10 V1

V1

V2

c1v1+c2v2

a1v1+a2v2-b=0

V1=b-v2а2/а1

11 Распознавание образов
12 Пример вычислений для 2-х групп

Пример вычислений для 2-х групп

Уравнение плоскости

Коэффициенты a

Коэффициент b

K=2 - количество cвойств

N1=10 – количество наблюдений в рудном объекте

N2=14 – количество наблюдений в безрудном объекте

Безрудный объект

Рудный объект

13 Вычисление коэффициентов

Вычисление коэффициентов

Безрудный объект

Рудный объект

14 Вычисление коэффициента b

Вычисление коэффициента b

15 Плоскость

Плоскость

16 Дискриминанты точек

Дискриминанты точек

D

6.2995

3.1252

22.1062

-6.6362

17.2039

34.531

4.5028

0.2596

15.8857

10.5844

-8.4638

-4.9862

-14.3555

-34.0088

-12.176

-4.4675

1.78

2.3974

-2.8244

-5.5565

-7.3277

-5.3435

-11.855

-9.224

1

1

1

1

1

1

1

1

1

1

2

2

2

2

2

2

2

2

2

2

2

2

2

2

17 Если имеется только 2 группы, то дискриминацию можно провести с

Если имеется только 2 группы, то дискриминацию можно провести с

помощью множественной регрессии, используя код группы в качестве зависимой переменной:

1.4100237

1

1

1.48731588

1

1

1.01695848

1

1

1.73132232

2

1

1.13676026

1

1

0.7043188

1

1

1.45767732

1

1

1.55963284

2

1

1.17245278

1

1

1.30017236

1

1

1.78797248

2

2

1.70515472

2

2

18 Предположения

Предположения

Нормальное распределение. Предполагается, что анализируемые переменные представляют выборку из многомерного нормального распределения. Пренебрежение условием нормальности обычно не является "фатальным" в том смысле, что результирующие критерии значимости, и т.д. все еще заслуживают доверия.

Однородность дисперсий/ковариаций. Предполагается, что матрицы дисперсий/ковариаций переменных однородны. Малые отклонения не фатальны.

Отсутствие корреляции между средними и дисперсиями.

Отсутствие выбросов.

Переменные, используемые для дискриминации между совокупностями, не являются полностью избыточными.

19 Пример выполнения дискриминантного анализа в STATISTICA 6.01

Пример выполнения дискриминантного анализа в STATISTICA 6.01

20 Выбор групп

Выбор групп

Выбор способа отбора информативных признаков

21 Проверка выполнения предположений

Проверка выполнения предположений

22 Анализ результатов

Анализ результатов

Информативные свойства

Неинформативные свойства

23 Распознавание образов
24 Распознавание образов
25 Распознавание образов
26 Распознавание образов
27 Распознавание образов
28 Распознавание образов
29 Для качественных признаков используется частотный анализ

Для качественных признаков используется частотный анализ

При частотном анализе исходные свойства выражаются нулями и единицами

перебираются все двойные и тройные комбинации свойств, которые характерны для одного образа и отсутствуют у другого. Найденные комбинации свойств называются сложными признаками.

Для каждого испытуемого объекта определяется количество сложных признаков каждого образа.

Номер испытуемого объекта

Номер испытуемого объекта

Количество признаков объектов

Количество признаков объектов

Вывод о принадлежности испытуемых объектов

Вывод о принадлежности испытуемых объектов

Рудных

Безрудных

1

5

0

Рудный

2

0

6

Безрудный

3

1

3

Безрудный

«Распознавание образов»
http://900igr.net/prezentacija/informatika/raspoznavanie-obrazov-240621.html
cсылка на страницу
Урок

Информатика

130 тем
Слайды