9. Clusterbildung und Klassifikation Begriffsklärung Objekt: wird in ...

Weitere Magazine

Empfehlungen

Info

2. Klassifikationsphase (Anwendung des Klassifikators): die zu klassifizierenden Objekte werden dem Modell unterworfen. Als Ergebnis wird zu jedem Objekt seine Klasse ausgegeben. Aufbau eines Klassifikators (nach Beichel 2002) Unüberwachtes Lernen (eigentliche Clusteranalyse): die Cluster (Klassen) werden automatisch aus den Daten gebildet (auch: "automatische Klassifikation"). • Extraktion von Strukturen aus den Rohdaten • auch in anderen Bereichen außerhalb der Bildanalyse wichtig (Data mining) • Reduktion der Informationsmenge • Clusterbildung wird auch zur Unterstützung anderer Algorithmen in der Bildanalyse eingesetzt, z.B. bei der Konturfindung (Hough-Transformation, Clustering im Akkumulatorraum) 238
Clusteranalyse Anforderungen an Clustering-Verfahren: • Beachtung der spezifischen Besonderheiten der Daten: Integration von Merkmalen verschiedener Art (nominal, ordinal, metrisch...), spezielle Eigenschaften der Merkmale • Beachtung von Randbedingungen • Nutzerunterstützung Berechnungspipeline für Clusteranalysen: 239
Seite 1 und 2: 9. Clusterbildung und Klassifikatio
Seite 3: vorgegebene Klassen: Klassifikation
Seite 7 und 8: nächster Schritt: Berechnung der D
Seite 9 und 10: Einteilung der Clustering-Algorithm
Seite 11 und 12: • Distanzmaß: "City-Block-Distan
Seite 13 und 14: 247
Seite 15 und 16: Graphentheoretische Methode für hi
Seite 17 und 18: Klassifikationsverfahren Minimum-Di
Seite 19 und 20: Bedingte Wahrscheinlichkeit: P( A |
Seite 21 und 22: Der Satz von Bayes damit lassen sic
Seite 23 und 24: ivariate Normalverteilung allgemein
Seite 25 und 26: 259
Seite 27 und 28: Wenn man zusätzlich noch die Annah
Seite 29 und 30: Entscheidungsbaum für die Schrifte

9. Clusterbildung und Klassifikation Begriffsklärung Objekt: wird in ...

Erfolgreiche ePaper selbst erstellen

Template löschen?

Als Template speichern?