Typ tekstu: Książka
Autor: Basztura Czesław
Tytuł: Komputerowe systemy diagnostyki akustycznej
Rok: 1996
Autor: Basztura Czesław
Tytuł: Komputerowe systemy diagnostyki akustycznej
Rok: 1996
rozpoznawanego
6.3.3. Algorytm k-NN (k najbliższych sąsiadów)
Algorytm k-NN jest pewnego rodzaju modyfikacją algorytmu NN. Pozwala on zmniejszyć wrażliwość systemu rozpoznawania w stosunku do ciągu uczącego. Procedura k-NN dokonuje obliczeń odległości pomiędzy obrazem x a wszystkimi ´0 obrazami ciągu uczącego i porządkuje te odległości w kolejności rosnącej. Następnie rozpatrywanych jest k pierwszych wartości odległości, dla których określa się, ile z nich odpowiada poszczególnym 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
6.3.3. Algorytm k-NN (k najbliższych sąsiadów)
Algorytm k-NN jest pewnego rodzaju modyfikacją algorytmu NN. Pozwala on zmniejszyć wrażliwość systemu rozpoznawania w stosunku do ciągu uczącego. Procedura k-NN dokonuje obliczeń odległości pomiędzy obrazem x a wszystkimi ´0 obrazami ciągu uczącego i porządkuje te odległości w kolejności rosnącej. Następnie rozpatrywanych jest k pierwszych wartości odległości, dla których określa się, ile z nich odpowiada poszczególnym 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
rozpoznawanego<br><gap><br><br><tit>6.3.3. Algorytm k-NN (k najbliższych sąsiadów)</><br><br>Algorytm k-NN jest pewnego rodzaju modyfikacją algorytmu NN. Pozwala on zmniejszyć wrażliwość systemu rozpoznawania w stosunku do ciągu uczącego. Procedura k-NN dokonuje obliczeń odległości pomiędzy obrazem x a wszystkimi ´0 obrazami ciągu uczącego <gap> i porządkuje te odległości w kolejności rosnącej. Następnie rozpatrywanych jest k pierwszych wartości odległości, dla których określa się, ile z nich odpowiada poszczególnym 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
