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.
132 Dodatek<br />
C.2.1 Linearna klasifikacija<br />
Vzemimo, da imamo na voljo set vzorcev xi, ki pripadajo enemu izmed razredov<br />
R1 ali R2 in so označeni z oznako yi ∈ {−1, 1}. V primeru, da vzorec pripada<br />
prvemu razredu, ima oznako L = +1, v nasprotnem primeru pa L = −1.<br />
Hiperravnino v primeru linearno separabilnih razredov definiramo kot<br />
w T x + b = 0, (C.8)<br />
kjer je w normala hiperravnine, b/|w| pa predstavlja pravokotno razdaljo med<br />
ravnino in izhodiˇsčem; |w| je Evklidska norma za vektor w.<br />
−b<br />
|w|<br />
Koordinatno<br />
izhodiˇsče<br />
H2<br />
H1<br />
Razred B<br />
Razred A<br />
Razdalja<br />
med razredoma<br />
Slika C.1: Primer optimalne hiperravnine z največjo razdaljo med razredoma.<br />
Obkroˇzeni vzorci predstavljajo podporne vektorje.<br />
Naˇs cilj je poiskati hiperravnino, ki omogoča optimalno ločevanje vzorcev iz<br />
obeh razredov. Torej ˇzelimo v primeru vzorcev iz prvega razreda, zadostiti pogoju<br />
v drugem primeru pa<br />
w T xi + b > +1; za yi = +1, (C.9)<br />
w T xi + b > −1; za yi = −1. (C.10)