• Nie Znaleziono Wyników

Jądrowe klasyfikatory liniowe Waldemar Wołyński

N/A
N/A
Protected

Academic year: 2021

Share "Jądrowe klasyfikatory liniowe Waldemar Wołyński"

Copied!
1
0
0

Pełen tekst

(1)

Jądrowe klasyfikatory liniowe

Waldemar Wołyński

Wydział Matematyki i Informatyki Uniwersytet im. A.Mickiewicza w Poznaniu

Umultowska 87, 60-614 Poznań e-mail: wolynski@amu.edu.pl

Rozważmy zagadnienie klasyfikacji obiektu opisanego przez p-wymiarowy wektor obserwacji x = (x1, x2, . . . , xp) do jednej z dwóch klas G0, G1. Roz- wiązanie tego zagadnienia polega na podaniu klasyfikatora d(x) przyjmującego wartości w zbiorze etykiet klas {0, 1}. Szczególne miejsce wśród klasyfikatorów zajmują klasyfikatory liniowe postaci

d(x) = I(a0x > m),

gdzie a jest wektorem parametrów, m wartością progową.

Fisher (1936) podał postać klasyfikatora liniowego, zakładając jednorodność macierzy kowariancyjnych w obu klasach. Mika, R¨atsch, Weston, Sch¨olkopf i M¨uller (1999) podali jądrową wersję liniowego klasyfikatora Fishera.

Niech Φ oznacza funkcję przyporządkowującą obserwacji x element należący do przestrzeni Hilberta H. W przestrzeni H poszukujemy klasyfikatora liniowego postaci

d(x) = I(< a, Φ(x) > > m),

gdzie < ·, · > oznacza iloczyn skalarny. Do wyznaczania występującego w regule klasyfikacyjnej iloczynu skalarnego zastosowano tzw. ”kernel trick”polegający na zastąpieniu iloczynu skalarnego funkcją jądrową.

Zagadnienie klasyfikatorów liniowych dla klas o niejednorodnych macierzach kowariancyjnych rozważali Anderson i Bahadur (1962). Podali oni klasę linio- wych klasyfikatorów dopuszczalnych. Do podobnych rezultatów doszli Schum- way i Unger (1974) oraz Krzyśko i Wołyński (1997) rozważając klasyfikatory liniowe minimalizujące odległości probabilistyczne.

W referacie omówione zostaną jądrowe liniowe klasyfikatory, uzyskane przy założeniu niejednorodnych macierzy kowariancyjnych w klasach.

Literatura

[1] Krzyśko M., Wołyński W., Linear discriminant functions for stationary time series, Biometrical Journal 39, pp.955-973, 1997

[2] Mika S., R¨atsch G., Weston J., Sch¨olkopf B., M¨uller K.R., Fisher discrimi- nant analysis with kernels, In Y.-H. Hu, J. Larsen, E. Wilson, and S. Douglas, editors, Neural Networks for Signal Processing IX,pp.41-48, 1999

1

Cytaty

Powiązane dokumenty

Wyka», »e pierwsza próbka mogªa powsta¢ z materiaªu skªadaj¡cego si¦ wyª¡cznie z substancji A, za± druga

Rachunek różniczkowy i całkowy Kolokwium 7.I.2009 Czas: 45 minut..

Zestaw zadań 1:

Przypominam, że rozważamy funkcje jednej zmiennej rzeczywistej o wartościach rze- czywistych, a dziedziną funkcji może być dowolny podzbiór zbioru liczb rzeczywistych..

[r]

dla IV roku matematyki, zastosowania rach, prob i stat. Przy za lo˙zeniach zad. Przy za lo˙zeniach zad. Niech spe lnione be.

[r]

[r]