Без темы
<<  Загадочный ответ прохожего Задачи на дополнительное построение  >>
Задачи классификации и дискриминации
Задачи классификации и дискриминации
Два класса решаемых задач
Два класса решаемых задач
Распознавание образов (pattern recognition)
Распознавание образов (pattern recognition)
Геометрическая интерпретация
Геометрическая интерпретация
Возможные ситуации
Возможные ситуации
Возможные ситуации
Возможные ситуации
}
}
Метод SIMCA Soft Independent Modeling of Class Analogy
Метод SIMCA Soft Independent Modeling of Class Analogy
Этап-1
Этап-1
Этап -2
Этап -2
Этап – 3. Сравнение моделей
Этап – 3. Сравнение моделей
Этап классификации новых образцов
Этап классификации новых образцов
}
}
Распознавание фальсифицированных лекарств - I
Распознавание фальсифицированных лекарств - I
Предварительный МГК анализ
Предварительный МГК анализ
Построение модели для одного класса
Построение модели для одного класса
SIMCA - классификация
SIMCA - классификация
Распознавание фальсифицированных лекарств - II
Распознавание фальсифицированных лекарств - II
Предварительный МГК анализ
Предварительный МГК анализ
График Кумана (Cooman’s plot )
График Кумана (Cooman’s plot )
Расстояние между классами ( Model Distance )
Расстояние между классами ( Model Distance )
Дискриминационная мощность переменной (Discrimination Power )
Дискриминационная мощность переменной (Discrimination Power )
Модельная мощность переменной ( Modeling Power )
Модельная мощность переменной ( Modeling Power )
Пример данных о процессе
Пример данных о процессе
Файл Wines (Riccardo Leardi, Genoa, Italy)
Файл Wines (Riccardo Leardi, Genoa, Italy)
Предварительный МГК анализ
Предварительный МГК анализ
План упражнения
План упражнения
ПЛС дискриминация PLS-D
ПЛС дискриминация PLS-D
Влияние ванадиевой пыли на людей (Prof
Влияние ванадиевой пыли на людей (Prof
График счетов
График счетов
Дискриминация (PLS-D)
Дискриминация (PLS-D)
График счетов в PLS-D
График счетов в PLS-D
Файл Wines_PLS
Файл Wines_PLS

Презентация: «Задачи классификации и дискриминации». Автор: Rodionova. Файл: «Задачи классификации и дискриминации.ppt». Размер zip-архива: 380 КБ.

Задачи классификации и дискриминации

содержание презентации «Задачи классификации и дискриминации.ppt»
СлайдТекст
1 Задачи классификации и дискриминации

Задачи классификации и дискриминации

Родионова Оксана Евгеньевна rcs@chph.ras.ru Институт химической физики РАН, Российское хемометрическое общество

1

2 Два класса решаемых задач

Два класса решаемых задач

Классификация и дискриминация SIMCA , PLS-D

2

3 Распознавание образов (pattern recognition)

Распознавание образов (pattern recognition)

Без обучения ( Unsupervised)

C обучением (supervised)

3

4 Геометрическая интерпретация

Геометрическая интерпретация

Вектор признаков – переменные (степени свободы) образующие p-мерную систему координат (p – число переменных в векторе признаков)

Объекты / образцы/ измерения – точки в пространстве признаков

Группы или классы – ограниченные подпространства в пространстве признаков: гиперкуб, гиперсфера и т.п.

4

5 Возможные ситуации

Возможные ситуации

5

6 Возможные ситуации

Возможные ситуации

6

7 }

}

Этапы классификации

I. Выявление различных групп

II. Построение модели

SIMCA PLS-D ...

III. Классификация новых образцов

МГК Факторный анализ Кластерный анализ ...

7

8 Метод SIMCA Soft Independent Modeling of Class Analogy

Метод SIMCA Soft Independent Modeling of Class Analogy

Метод формального независимого моделирования аналогий классов

Каждый класс моделируется отдельно с помощью МГК Новый образец проверяется на принадлежность каждому построенному классу

(Svante Wold, 1976)

8

9 Этап-1

Этап-1

Моделирование

Каждый класс из обучающего набора независимо моделируется МГК с разным числом главных компонент.

Предварительная подготовка данных Удаление выбросов Проверка модели и оценка значимости выбранного числа ГК

9

10 Этап -2

Этап -2

Построение контрольных уровней и анализ модели

10

11 Этап – 3. Сравнение моделей

Этап – 3. Сравнение моделей

Вычисление расстояний между классами и оценка влияние переменных на разделение по классам

11

12 Этап классификации новых образцов

Этап классификации новых образцов

Расстояние от образца до класса

Расстояние от образца до центра модели

12

13 }

}

Результаты классификации методом SIMCA

Классификационная таблица График Si vs hi График Si/S0 vs hi График Кумана

Расстояние между моделями Модельная мощность переменных Дискриминационная мощность переменных

Расстояние от образца до одной модели

Расстояние от образца до 2-х разных моделей

13

14 Распознавание фальсифицированных лекарств - I

Распознавание фальсифицированных лекарств - I

Пищеварительный фермент. Образцы - таблетки в оболочке

Всего: 55 образцов 3 серии подлинных образцов 30 таб. 4 серии поддельных образцов 25 таб.

Измерения: спектры диффузнного рассеяния 4000 –7500 см-1. (1750 длин волн).

14

15 Предварительный МГК анализ

Предварительный МГК анализ

55 образцов

Обучающий набор: 25 подлинных образцов

Проверочный набор: 25 поддельных образцов 5 подлинных образцов

15

16 Построение модели для одного класса

Построение модели для одного класса

16

17 SIMCA - классификация

SIMCA - классификация

Si , hi

Scrit

hcrit

График Si vs hi (Si/S0 vs hi)

17

18 Распознавание фальсифицированных лекарств - II

Распознавание фальсифицированных лекарств - II

Бактерицидное средство. Образцы - таблетки в оболочке

Всего: 30 образцов 2 серии подлинных образцов 10 таб. 1 серия «дженерик» образцов 10 таб. 1 серия поддельных образцов 10 таб.

Измерения: спектры диффузного рассеяния 1140 –2300 nm. ( 580 длин волн).

18

19 Предварительный МГК анализ

Предварительный МГК анализ

30 образцов

Обучающий набор: 8 подлинных образцов 9 «дженерик» образцов

Проверочный набор: 10 поддельных образцов 2 подлинных образца 1 «дженерик»

19

20 График Кумана (Cooman’s plot )

График Кумана (Cooman’s plot )

Расстояние от образца до 2-х классов

20

21 Расстояние между классами ( Model Distance )

Расстояние между классами ( Model Distance )

Расстояние от одного класса до всех остальных классов. ModelDistance(q,q) = 1 ModelDistan(q,m) > 3 – хорошее разделение

21

22 Дискриминационная мощность переменной (Discrimination Power )

Дискриминационная мощность переменной (Discrimination Power )

Способность j-ой переменной разделять два класса. Dj>3 - j-ая переменная сильно влияет на разделение классов.

22

23 Модельная мощность переменной ( Modeling Power )

Модельная мощность переменной ( Modeling Power )

Показывает насколько сильное влияние оказывает j-ая переменная на построение модели (класса) Mj : 1 ? 0 Mj > 0.3 - сильное влияние на модель

23

24 Пример данных о процессе

Пример данных о процессе

t1 ? t69

Новая реализация

24

25 Файл Wines (Riccardo Leardi, Genoa, Italy)

Файл Wines (Riccardo Leardi, Genoa, Italy)

178 образцов 13 переменных 3 классa

Обучающий набор: 148 образцов Проверочный набор: 30 образцов

25

26 Предварительный МГК анализ

Предварительный МГК анализ

Методы многомерной классификации

График счетов T1 vs. T2

26

27 План упражнения

План упражнения

1. Предобработка исходных данных

2. Построение общей МГК модели

3. Построение индивидуальных МГК моделей для каждого класса. Сохранение моделей

4. Классификация новых образцов : Таблица результатов, график Si vs. hi , график Кумана

5. Анализ результатов

27

28 ПЛС дискриминация PLS-D

ПЛС дискриминация PLS-D

28

29 Влияние ванадиевой пыли на людей (Prof

Влияние ванадиевой пыли на людей (Prof

Pentti Minkkinen, Lappeenranta University of Technology, Finland)

Испытательная группа 18 человек подверженных пыли V2O5 на фабрике Контрольная группа 17 человек Измерялись 26 клинических показателей плазмы крови

29

30 График счетов

График счетов

30

31 Дискриминация (PLS-D)

Дискриминация (PLS-D)

CLASS C

PLS1

CLASS V

Матрица дескрипторов X

Матрица индикаторов Y

1

x11

x12

x1k

1

x21

x22

x2k

1

1

1

xi1

xi2

xik

-1

xi+1,1

xi+1,2

xi+1,k

-1

-1

-1

-1

xn1

xn2

xnk

31

32 График счетов в PLS-D

График счетов в PLS-D

3

Гк2

C

2

C

C

C

C

C

V

C

1

V

C

V

V

C

V

V

C

0

C

V

V

V

C

C

V

C

V

V

-1

C

V

V

V

V

C

V

C

V

-2

Гк1

-3

-5

-4

-3

-2

-1

0

1

2

3

4

32

33 Файл Wines_PLS

Файл Wines_PLS

Файл WINES_DPLS

Матрица Y 178?3

Матрица X 178?13

178 образцов 13 переменных 3 классa

Обучающий набор: 148 образцов Проверочный набор: 30 образцов

33

«Задачи классификации и дискриминации»
http://900igr.net/prezentacija/matematika/zadachi-klassifikatsii-i-diskriminatsii-92298.html
cсылка на страницу

Без темы

359 презентаций
Урок

Математика

71 тема
Слайды
900igr.net > Презентации по математике > Без темы > Задачи классификации и дискриминации