Re: Распознование образов
Дай угадаю. Надо распознать эллипсы на фотографии?
нет.
Спасибо. Ваш ответ очень помог нашим телепатам.
вопрос, относящийся к распознаванию образов. абстрактная задача: разделить два множества гиперплоскостью.
напрямую методы дробящихся эталонов и ближайших соседей не подходит по указанным выше причинам.
в принципе обучающее множество большое (миллионы объектов) в пространствах размерности порядка 200.
поэтому есть мнение использовать статистический подход. но хотелось узнать мнения.
напрямую методы дробящихся эталонов и ближайших соседей не подходит по указанным выше причинам.
в принципе обучающее множество большое (миллионы объектов) в пространствах размерности порядка 200.
поэтому есть мнение использовать статистический подход. но хотелось узнать мнения.
Support Vector Machine уже заботан?
нет
В первом случае какие весовые функции надо вводить?очевидно, что весовая функция должна отражать вес(вклад) компонента в распознание.
Во втором если ввести весовые функции и окажется, что главный признак - это те 5600, то первые компоненты вообще убиваются, а это не есть хорошо.
у тебя значение может давать линейный вклад, может пороговый, может логарифметический, может асимптотический, может s-образный и т.д.
обычно сначала делают экспертную оценку по вкладу значения компонента в общее распознание, например:
компонет -> вес
0 -> 0%
1000 -> 10%
3000 -> 30%
10000 -> 50%
40000 -> 70%
100000 -> 80%
а потом эту экспертную таблицу сглаживают подобранной функцией.
ты такую экспертную оценку сделать можешь?
так там же линейная классификация. а это совсем просто. в реальных данных это врядли применимо. т.е. это же просто теорема Новикова и все вытекающее
если только обучать нс. потому что вообще говоря параметры внутри вектора будут много меняться.
в реальных данных это врядли применимоSVM активно применяется в реальных задачах, например, в Yandex.
Хотя, пока не понятна природа твоей задачи, применимость SVM предсказать нельзя.
а можно какие-нибудь хорошие доки?
вроде во всех параметрах svmlib разобрался кроме c
param = svm_parameter(kernel_type = LINEAR, C = 10)
Что это за C?
param = svm_parameter(kernel_type = LINEAR, C = 10)
Что это за C?
не. статистическое распознавание не интересует
ты плохой бот
Оставить комментарий
And99rey
Какой лучше использовать метод для распознавания образов, если у нас есть n-мерные вектора, которые имеют примерно такую структуру:[ 0.1, 0.01, 10, 17 ]
или возможно другое
[ 0.1, 0.008, 5600 ]
В первом случае какие весовые функции надо вводить?
Во втором если ввести весовые функции и окажется, что главный признак - это те 5600, то первые компоненты вообще убиваются, а это не есть хорошо.
Что можно хорошего почитать по этой теме?