Typ tekstu: Książka
Autor: Basztura Czesław
Tytuł: Komputerowe systemy diagnostyki akustycznej
Rok: 1996
Autor: Basztura Czesław
Tytuł: Komputerowe systemy diagnostyki akustycznej
Rok: 1996
klasom. Jeśli wśród k minimalnych odległości jest należących odpowiednio do klasy pierwszej, drugiej itd., to jako funkcje podobieństwa przyjmuje się wartości 0 Kryterium decyzyjne przyjmuje postać (rys. 6.4)
Wartość k powinna być dobierana w odpowiedniej proporcji do długości ciągu uczącego CU. Przy odpowiednim doborze k błąd rozpoznawania algorytmu k-NN zbliża się do błędu algorytmu Bayesa.
6.3.4. Algorytm NM (ang. Nearest Mean - najbliższa średnia)
Algorytm NM ma w stosunku do NN tę zaletę, że eliminuje konieczność pamiętania w czasie rozpoznawania wszystkich obrazów ciągu uczącego oraz zmniejsza liczbę obliczeń. W algorytmie NM wzorcem klasy rozpoznawanych obiektów jest więc wartość
Wartość k powinna być dobierana w odpowiedniej proporcji do długości ciągu uczącego CU. Przy odpowiednim doborze k błąd rozpoznawania algorytmu k-NN zbliża się do błędu algorytmu Bayesa.
6.3.4. Algorytm NM (ang. Nearest Mean - najbliższa średnia)
Algorytm NM ma w stosunku do NN tę zaletę, że eliminuje konieczność pamiętania w czasie rozpoznawania wszystkich obrazów ciągu uczącego oraz zmniejsza liczbę obliczeń. W algorytmie NM wzorcem klasy rozpoznawanych obiektów jest więc wartość
klasom. Jeśli wśród k minimalnych odległości jest <gap> należących odpowiednio do klasy pierwszej, drugiej itd., to jako funkcje podobieństwa przyjmuje się wartości 0 Kryterium decyzyjne przyjmuje postać (rys. 6.4)<br><gap><br>Wartość k powinna być dobierana w odpowiedniej proporcji do długości ciągu uczącego CU. Przy odpowiednim doborze k błąd rozpoznawania algorytmu k-NN zbliża się do błędu algorytmu Bayesa.<br><br><tit>6.3.4. Algorytm NM (ang. Nearest Mean - najbliższa średnia)</><br><br>Algorytm NM ma w stosunku do NN tę zaletę, że eliminuje konieczność pamiętania w czasie rozpoznawania wszystkich obrazów ciągu uczącego oraz zmniejsza liczbę obliczeń. W algorytmie NM wzorcem klasy rozpoznawanych obiektów jest więc wartość
