Sprachliche Mensch-Maschine-Kommunikation

9.1 Klassifikatoren 133
Beispiel aus Klasse C1 mitten unter vielen Beispielen für C2, dann definiert
es einen Teil des Merkmalsraum fälschlicherweise als zur Klasse C1 gehörend.
Solche Fehlklassifikationen lassen sich leicht vermeiden, wenn man statt des
einen nächsten Nachbarn die k nächsten Nachbarn betrachtet.
Abb. 9.5. k-nächste-Nachbar-Klassifikation
nächster Nachbar
Klasse
6 nächste Nachbarn
Klasse
Abb. 9.5 illustriert, wie der nächste Nachbar des als Kreuz markierten
Testpunktes zur Klasse der Dreiecke gehört. Erweitert man aber den
Umgebungskreis, so daß die nächsten 6 Nachbarn darin liegen, dann ist die
darunter am häufigsten vertretene Klasse die Klasse der Kreise. Was für ein
Wert für k sinnvoll ist, hängt von der Menge der Klassen und der Dichtheit
der Referenzmuster im Merkmalsraum ab.
Baumstrukturen
Teilt man den Merkmalsraum hierarchisch in Unterräume auf, so kann
diese Hierarchie als Baum dargestellt werden, dessen Blätter dann Teilräumen
entsprechen die jeweils durch einen Referenzvektor repräsentiert werden.
So eine Hierarchie kann sinnvollerweise durch Trennhyperebenen entwickelt
werden, die jeweils orthogonal zu einer Koordinatenachse liegen.
Der Aufbau der Baumstruktur [?] [?] erfolgt am besten durch Aufteilung
des Raums entlang der Achse der größten Ausdehnung (s. Abb 9.6). Ohne
weiteres Wissen, ist die Annahme, daß wenn die Daten überhaupt irgendwie
multimodal verteilt sind, daß dies dann am wahrscheinlichsten an den Enden
der Achse mit größter Varianz ist.