Содержание
- 2. Алгоритм MAXMIN Рассмотрим алгоритм, более эффективный по сравнению с предыдущим и являющийся улучшением порогового алгоритма. Исходными
- 3. Алгоритм MAXMIN На первом этапе алгоритма все объекты разделяются по классам на основе критерия минимального расстояния
- 4. В этом алгоритме пороговое расстояние не является фиксированным, а определяется на основе среднего расстояния между всеми
- 5. Алгоритм Выбрать точку-прототип первого класса (например, объект Х1 из обучающей выборки). Количество классов К положить равным
- 6. Алгоритм
- 7. Алгоритм
- 8. Рассмотрим работу алгоритма MAXMIN на примере. Как и в предыдущем случае выберем объекты, которые заданы двумя
- 28. Проблемы алгоритма K-средних: необходимо заранее знать количество кластеров. алгоритм очень чувствителен к выбору начальных центров кластеров.
- 31. Нечеткий алгоритм кластеризации с-means С последней проблемой k-means успешно справляется алгоритм с-means. Вместо однозначного ответа на
- 33. Алгоритм ISODATA (Iterative Self-Organizing Data Analysis Techniques) основывается на алгоритме k средних, но включает набор оказавшихся
- 34. Это число выступает в качестве рекомендации: в результате работы алгоритма может быть построено как меньшее, так
- 35. Ликвидируются кластеры, в состав которых входит менее чем заданное число элементов. Для каждого текущего кластера определяется
- 36. Решение о расщеплении принимается с учетом размера кластера в направлении вытянутости (этот размер может сравниваться с
- 38. Использующиеся в алгоритме ISODATA эвристики помогают не только подбирать более подходящее число классов, но и находить
- 56. Задача минимизации количества решающих функций, достаточных для классификации образов, может быть очень важна, особенно если количество
- 59. Прямого ответа на этот вопрос можно избежать, если конструировать методы распознавания на основе неких эвристических соображений.
- 60. Эти эталонные объекты являются наиболее типичными представителями класса. Типичность эталонного объекта означает, что он в среднем
- 62. Классы, однако, могут обладать разными свойствами. Простейшим свойством является характерный размер класса, который может быть оценен
- 65. В соответствии с данным решающим правилом просматривается вся обучающая выборка, в ней находится образ, расположенный наиболее
- 66. Метод ближайшего соседа весьма чувствителен к выбросам, то есть тем образам обучающей выборки, для которых указаны
- 86. Скачать презентацию