Typ tekstu: Książka
Autor: Basztura Czesław
Tytuł: Komputerowe systemy diagnostyki akustycznej
Rok: 1996
Autor: Basztura Czesław
Tytuł: Komputerowe systemy diagnostyki akustycznej
Rok: 1996
M = 3 klasy opisane wektorami parametrów x o P składowych. Wtedy statystykami funkcji dyskryminancyjnych są zależności:
gdzie - estymatory wektorów średnich klas, x - nieznany diagnozowany obraz obiektu (wektor), C - średnia macierz kowariancji.
Ponieważ więc wystarczy zastosować tylko dwie statystyki
Diagnostyczna reguła klasyfikacyjna dla obrazu stanu obiektu x ma następującą postać:
Pewną odmianą analizy dyskryminancji jest metoda klasyfikacyjna oparta na obliczaniu prawdopodobieństw a posteriori. Niech dany wektor x obserwacji stanu obiektu diagnostycznego z populacji generalnej, zawierającej M klas, ma rozkład normalny. Przyjmujemy, że mamy oszacowane prawdopodobieństwa a priori należenia obrazu x do klasy m. Prawdopodobieństwo a posteriori, że obraz x należy do klasy
gdzie - estymatory wektorów średnich klas, x - nieznany diagnozowany obraz obiektu (wektor), C - średnia macierz kowariancji.
Ponieważ więc wystarczy zastosować tylko dwie statystyki
Diagnostyczna reguła klasyfikacyjna dla obrazu stanu obiektu x ma następującą postać:
Pewną odmianą analizy dyskryminancji jest metoda klasyfikacyjna oparta na obliczaniu prawdopodobieństw a posteriori. Niech dany wektor x obserwacji stanu obiektu diagnostycznego z populacji generalnej, zawierającej M klas, ma rozkład normalny. Przyjmujemy, że mamy oszacowane prawdopodobieństwa a priori należenia obrazu x do klasy m. Prawdopodobieństwo a posteriori, że obraz x należy do klasy
M = 3 klasy opisane wektorami parametrów x o P składowych. Wtedy statystykami funkcji dyskryminancyjnych są zależności:<br><gap><br>gdzie <gap> - estymatory wektorów średnich klas, x - nieznany diagnozowany obraz obiektu (wektor), C - średnia macierz kowariancji.<br>Ponieważ <gap> więc wystarczy zastosować tylko dwie statystyki <gap><br>Diagnostyczna reguła klasyfikacyjna dla obrazu stanu obiektu x ma następującą postać:<br><gap><br>Pewną odmianą analizy dyskryminancji jest metoda klasyfikacyjna oparta na obliczaniu prawdopodobieństw a posteriori. Niech dany wektor x obserwacji stanu obiektu diagnostycznego z populacji generalnej, zawierającej M klas, ma rozkład normalny. Przyjmujemy, że mamy oszacowane prawdopodobieństwa a priori <gap> należenia obrazu x do klasy m. Prawdopodobieństwo a posteriori, że obraz x należy do klasy
