Az osztályozás statisztikai módszerei

A tétel rövid nézete
dc.contributor.advisorFazekas, István
dc.contributor.authorUrr, Beáta
dc.contributor.departmentDE--TEK--Informatikai Karen
dc.date.accessioned2006-08-03T14:02:23Z
dc.date.available2006-08-03T14:02:23Z
dc.date.created2005
dc.date.issued2006-08-03T14:02:23Z
dc.description.abstractA többváltozós statisztikai vizsgálatok egyik jellegzetes feladata az osztályozás. Az alak-felismerési és osztályozási módszereket széles körben lehet a gyakorlati problémáknál alkalmazni. Az alapfeladat az, hogy N változóval jelzett objektumokat, ún. alakzatvektorokat adott kategóriák (osztályok) valamelyikéhez soroljuk. Szemléltessük néhány tipikus alak-felismerési feladatot: ² Betu felismerés. Ezt a feladatot oldják meg a postai levél osztályozó automaták. ² Ujjlenyomat azonosítása a bunügyi archívumban. ² Valamilyen termék minoségének besorolása. ² Többsávos muhold felvétel képpontjainak felismerése, azaz a képpont és a neki megfelelo földszíni objektum (pl. vízfelület, település) összekapcsolása. Az alak-felismerési problémáknál a felismerendo (osztályozandó) objektumokat olyan változókkal jellemezzük, amelyek feltehetoen kapcsolatban 3 Bevezetés vannak az elore definiált kategóriákkal. Az osztályozandó objektumokat számkomponensu vektorral adjuk meg. Ez az „objektum!vektor” hozzárendelést lényegkiemelésnek nevezzük. A lényegkiemelés az alakfelismerés folyamatában az az alapveto fontosságú lépés, amikor a kategóriákkal leginkább összefüggo változókat választjuk ki illetve, amikor olyan transzformációt hajtunk végre, ahol az objektumok jobban szeparálódnak az egyes osztályok szerint. A lényegkiemelésnek általános matematika elmélete még nincs, minden konkrét osztályozási feladatban az objektumok gondos elemzése útján kell a vizsgálat tárgyát leíró vektort kialakítani. A meteorológiai és geofizikai megfigyelések esetén például gyakran alkalmaznak sorfejtéseket, és a sorfejtések együtthatói alkotják az objektumot leíró vektor komponenseit. Más esetben az objektumok jellegzetes tulajdonságainak méroszámai (életkor, súly,...) lesznek a vektor komponensei. Mindenesetre fontos, hogy a vektor dimenziója ne legyen túl nagy. Gyakran elofordul, hogy az osztályozási feladat megoldása során mind az algoritmust (osztályozási módszert), mind a lényegkiemelést többször változtatjuk, kísérletezünk vele. Dolgozatomban eloször ismertetem a jól ismert módszereket és azok elméleti hátterét. A Bayes-döntésre, a diszkriminancia analízisére, a legközelebbi társ módszerre és a klaszteranalízis néhány eljárására térek ki. Ezután felsorolom a Matlab osztályozásra használatos függvényeit. Mindezeket a Fisher írisz mintapéldán is ismertetem.en
dc.description.correctorN.I.
dc.description.degreeMaen
dc.format.extent66en
dc.format.extent1418959 bytes
dc.format.mimetypeapplication/pdf
dc.identifier.urihttp://hdl.handle.net/2437/357
dc.language.isohuen
dc.rightsno_restrictionen
dc.subjectBayes-döntésen
dc.subjectdiszkriminancia analízisen
dc.subjecttanulóalgoritmusoken
dc.subjectklaszteranalízisen
dc.subjectosztályozás a Matlab-banen
dc.titleAz osztályozás statisztikai módszereien
Fájlok
Eredeti köteg (ORIGINAL bundle)
Megjelenítve 1 - 1 (Összesen 1)
Nincs kép
Név:
diplomamunka_763.pdf
Méret:
1.35 MB
Formátum:
Adobe Portable Document Format
Leírás:
Diplomamunka
Megjelenítés
Engedélyek köteg
Megjelenítve 1 - 1 (Összesen 1)
Nincs kép
Név:
license.txt
Méret:
2.72 KB
Formátum:
Item-specific license agreed upon to submission
Leírás:
Letöltés
Gyűjtemények
Hallgatói dolgozatok (Informatikai Kar)