|
|
Im Folgenden werden einige ausgewählte Algorithmen für die überwachte
Klassifizierung erklärt. Es gibt für die Algorithmen keine Einschränkungen
in Bezug auf Klassenanzahl oder Anzahl der benutzten Kanäle, sie unterscheiden
sich jedoch in ihrer Kovarianzmatrix.
1. Nächste Nachbarschaft - Klassifikator
2. Mahalanobis Klassifikator
3. Maximum Likelihood-Klassifikator
außerdem noch:
4. Parallelpiped Klassifikator (Quaderklassifikator)
1. Nächste Nachbarschaft Klassifikator
(Minimum Distance-)Klassifikator
Die Verteilungen aller Klassen i werden gleichgesetzt als Einheitsmatrix E.
In 2D enstehen konzentrische Kreise, deren Mittelpunkt der Mittelwert 
ist. Für jedes Pixel wird der euklidische Abstand zu den Mittelpunkten
aller Klassen ermittelt. Das Pixel p(x1/x2) wird jener
Klasse zugeteilt, zu deren Mittelpunkt der Abstand am geringsten ist (auch
Nearest-Neighbour-Klassifikator genannt).
Innerhalb eines 2D-Merkmalsraumes sind die Trennfunktionen Geraden. Diese
Methode ergibt keine guten Resultate, da die Klassen nicht ihrer wahren Natur
entsprechend modelliert werden, da die Varianzen aller Klassen zu E angesetzt
wurden (Kreise in 2D).
| Home > Lernmodule > Modul 6 |