|
|
Im Folgenden werden Algorithmen für die überwachte Klassifikation 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. Minimum Distance - Klassifikator
2. Mahalanobis Klassifikator
3. Maximum-Likelihood-Klassifikator
außerdem noch:
4. Parallelpiped Klassifikator (Quaderklassifikator)
1. Minimum Distance-Klassifikator
Die Verteilungen der Klassen i und j sind konzentrische Kreise, deren Mittelpunkt
der Mittelwert 
ist. Für
jedes Pixel wird der euklidische Abstand zu den Mittelpunkten aller Klassen
ermittelt. Das Pixel p(xi/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: die Cluster stellen nämlich keine Kreise
dar wie im Algorithmus, sondern Ellipsen.
| Home > Lernmodule > Modul 6 |