Typ tekstu: Książka
Autor: Basztura Czesław
Tytuł: Komputerowe systemy diagnostyki akustycznej
Rok: 1996
Autor: Basztura Czesław
Tytuł: Komputerowe systemy diagnostyki akustycznej
Rok: 1996
minimalnoodległościowymi
gdzie - nazwa odległościowej funkcji podobieństwa, - obraz klasy.
Prostota nieparametrycznych (heurystycznych) algorytmów identyfikacji wyrażająca się m.in. tym, że nie musimy znać rozkładów oraz nie ma określonych wymagań dotyczących długości ciągu uczącego spowodowała, że są one niemal powszechnie stosowane w prostych systemach rozpoznawania i diagnostyki komputerowej.
6.3.2. Algorytm NN (ang. Nearest Neighbour - najbliższy sąsiad)
W etapie uczenia zapamiętany zostaje cały ciąg uczący CU. W procesie rozpoznawania właściwego pojawia się sekwencja nieznanych obrazów . Procedura algorytmu NN dokonuje obliczania funkcji podobieństwa (najczęściej odległości) pomiędzy wszystkimi obrazami ciągu uczącego x (m , i) a nieznanym obrazem x (rys. 6.3)
Następnie po obliczeniu
gdzie - nazwa odległościowej funkcji podobieństwa, - obraz klasy.
Prostota nieparametrycznych (heurystycznych) algorytmów identyfikacji wyrażająca się m.in. tym, że nie musimy znać rozkładów oraz nie ma określonych wymagań dotyczących długości ciągu uczącego spowodowała, że są one niemal powszechnie stosowane w prostych systemach rozpoznawania i diagnostyki komputerowej.
6.3.2. Algorytm NN (ang. Nearest Neighbour - najbliższy sąsiad)
W etapie uczenia zapamiętany zostaje cały ciąg uczący CU. W procesie rozpoznawania właściwego pojawia się sekwencja nieznanych obrazów . Procedura algorytmu NN dokonuje obliczania funkcji podobieństwa (najczęściej odległości) pomiędzy wszystkimi obrazami ciągu uczącego x (m , i) a nieznanym obrazem x (rys. 6.3)
Następnie po obliczeniu
minimalnoodległościowymi <br><gap> gdzie <gap> - nazwa odległościowej funkcji podobieństwa, <gap> - obraz klasy.<br>Prostota nieparametrycznych (heurystycznych) algorytmów identyfikacji wyrażająca się m.in. tym, że nie musimy znać rozkładów <gap> oraz nie ma określonych wymagań dotyczących długości ciągu uczącego spowodowała, że są one niemal powszechnie stosowane w prostych systemach rozpoznawania i diagnostyki komputerowej.<br><br><tit>6.3.2. Algorytm NN (ang. Nearest Neighbour - najbliższy sąsiad)</><br><br>W etapie uczenia zapamiętany zostaje cały ciąg uczący CU. W procesie rozpoznawania właściwego pojawia się sekwencja nieznanych obrazów <gap>. Procedura algorytmu NN dokonuje obliczania funkcji podobieństwa (najczęściej odległości) pomiędzy wszystkimi obrazami ciągu uczącego x (m , i) a nieznanym obrazem x (rys. 6.3)<br><gap><br>Następnie po obliczeniu
