Typ tekstu: Książka
Autor: Basztura Czesław
Tytuł: Komputerowe systemy diagnostyki akustycznej
Rok: 1996
Autor: Basztura Czesław
Tytuł: Komputerowe systemy diagnostyki akustycznej
Rok: 1996
jest poważnie chory" funkcja dyskryminancji będzie ilorazem wiarygodności dwóch rozkładów o znanych parametrach, tzn.
W przypadku gdy są wektorami średnimi parametrów diagnostycznych dla dwóch klas, C - średnią macierzy kowariancji wewnątrzklasowej, to procedura diagnostyczna dla nieznanego stanu obiektu opisanego wektorem x działa następująco:
1) należy rozpoznać stan obiektu reprezentowanego przez x jako należący do klasy pierwszej, gdy ,
2) w przypadku, gdy zaliczyć go do klasy drugiej.
5.3.2. Analiza dyskryminancji Fishera dla wielu klas
Podstawowym założeniem modelu analizy dyskryminancji jest to, że obserwowane (mierzone) wektory losowe mają wielowymiarowe rozkłady normalne o wartościach oczekiwanych (dla uproszczenia przyjmujemy ich estymatory - wartości średnie) i wspólne
W przypadku gdy są wektorami średnimi parametrów diagnostycznych dla dwóch klas, C - średnią macierzy kowariancji wewnątrzklasowej, to procedura diagnostyczna dla nieznanego stanu obiektu opisanego wektorem x działa następująco:
1) należy rozpoznać stan obiektu reprezentowanego przez x jako należący do klasy pierwszej, gdy ,
2) w przypadku, gdy zaliczyć go do klasy drugiej.
5.3.2. Analiza dyskryminancji Fishera dla wielu klas
Podstawowym założeniem modelu analizy dyskryminancji jest to, że obserwowane (mierzone) wektory losowe mają wielowymiarowe rozkłady normalne o wartościach oczekiwanych (dla uproszczenia przyjmujemy ich estymatory - wartości średnie) i wspólne
jest poważnie chory" funkcja dyskryminancji będzie ilorazem wiarygodności dwóch rozkładów o znanych parametrach, tzn.<br><gap><br>W przypadku gdy <gap> są wektorami średnimi parametrów diagnostycznych dla dwóch klas, C - średnią macierzy kowariancji wewnątrzklasowej, to procedura diagnostyczna dla nieznanego stanu obiektu opisanego wektorem x działa następująco:<br>1) należy rozpoznać stan obiektu reprezentowanego przez x jako należący do klasy pierwszej, gdy <gap>,<br>2) w przypadku, gdy <gap> zaliczyć go do klasy drugiej.<br><br><tit>5.3.2. Analiza dyskryminancji Fishera dla wielu klas</><br><br>Podstawowym założeniem modelu analizy dyskryminancji jest to, że obserwowane (mierzone) wektory losowe mają wielowymiarowe rozkłady normalne o wartościach oczekiwanych (dla uproszczenia przyjmujemy ich estymatory - wartości średnie) <gap> i wspólne
