avtomatska analiza gibanja v izbranih moštvenih športnih igrah
avtomatska analiza gibanja v izbranih moštvenih športnih igrah
avtomatska analiza gibanja v izbranih moštvenih športnih igrah
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
130 Dodatek<br />
p(xj|Θ) =<br />
=<br />
K<br />
αk · N(xj|θk)<br />
k=1<br />
K<br />
k=1<br />
αk<br />
(2π) n/2 |Σk| n/2e−1<br />
2 (xj−µk) TΣ −<br />
k 1(xj −µk)<br />
. (C.1)<br />
Če predpostavimo, da so posamezni vzorci iz mnoˇzice X medsebojno neodvisni,<br />
lahko zapiˇsemo verjetnost p(X|Θ) za vzorce iz mnoˇzice X pri pogoju Θ oziroma<br />
verjetje za parametre Θ pri mnoˇzici vzorcev X kot<br />
p(X|Θ) =<br />
=<br />
N<br />
p(xj)<br />
j=1<br />
N<br />
K<br />
j=1 k=1<br />
Logaritem tega verjetja pa zapiˇsemo kot<br />
L(Θ) =<br />
=<br />
N<br />
log(p(xj))<br />
k=1<br />
N K<br />
log(<br />
k=1<br />
k=1<br />
αk<br />
(2π) n/2 |Σk| n/2e−1<br />
2 (xj−µk) TΣ −1<br />
k (xj−µk)<br />
. (C.2)<br />
αk<br />
(2π) n/2 |Σk| n/2e−1<br />
2 (xj−µk) TΣ −<br />
k 1(xj−µk)<br />
). (C.3)<br />
Vsako iteracijo algoritma EM sestavljata dva koraka: E-korak in M-korak<br />
[92]. V E-koraku izračunamo vpliv posamezne komponente GMM modela na<br />
posamezen vzorec iz mnoˇzice X. V M-koraku pa izboljˇsamo oceno parametrov<br />
modela na podlagi ocene pogojne verjetnosti v E-koraku.<br />
• E-korak: Predpostavimo, da imamo v neki iteraciji algoritma porazdelitev<br />
s parametri µk in kovariančno matriko Σk, ki je uteˇzena z uteˇzjo αk. Potem<br />
lahko izračunamo prispevek te komponente k celotni verjetnosti p(xj|Σk)<br />
kot<br />
pjk = αk<br />
p(xj|Σk)<br />
K<br />
. (C.4)<br />
p(xj|Σi)<br />
i=1