|
|
2. Mahalanobis Klassifikator
Hier erfolgt die Zuordnung eines Pixels über den kürzesten statistischen
Abstand (die Mahalonobis-Distanz). Beim Mahalonobis-Klassifikator wird nur
1 Kovarianzmatrix benutzt statt verschiedene für jede der i Klassen.
Im 2-dimensionalen Merkmalsraum sind die Cluster Ellipsen, keine Kreise wie
bei der Minimum Distance-Methode. Die Trennfunktion ist wieder eine Gerade,
jedoch ist ihre Richtung durch die Kovarianzmatrix bestimmt.
3. Maximum Likelihood-Klassifikator
Dieser Klassifikator benutzt verschiedene Kovarianzmatrizen für jede
Klasse. Er liefert naturgemäß bessere Resultate als die vorhergehenden,
hat allerdings eine höhere Rechenzeit, da jede Kovarianzmatrix der i-Klassen
berechnet werden muss.
Da die Kovarianzmatrix für jede Klasse verschieden ist, ist die Trennfunktion keine gerade Linie, sondern bei 2 Kanälen eine Kurve, bei mehr Kanälen sind sie Flächen höherer Ordnung.
Der ML-Klassifikator ist der heute standardmäßig verwendete.
| Home > Lernmodule > Modul 6 |