Just My Life & My Work

Archive for the ‘圖形辨識’ Category

非線性支持向量機器 (Non-linear SVMs)

承接支持向量機器 (Support Vector Machine)的介紹之後,我們知道資料通常沒有那麼容易地被完美分類,那問題是不是就無解了呢?其實不然,如果用直線無法區分,那麼就用曲線來區分,然而曲線也會遇到障礙,而不得不讓資料混在錯的類別,如果我們提高層次來看待分類,那麼問題似乎就變得簡單了。

(繼續閱讀…)

支持向量機器 (Support Vector Machine)

支持向量機器 (Support vector machine)通常用在機器學習 (Machine learning)。是一種監督式學習 (Supervised Learning)的方法,主要用在分類 (Classification)回歸 (Regression)上。現今多數人多簡稱之為SVM,在此來個SVM概念教學。

註:監督式學習,是一個機器學習中的技巧,可以由訓練資料中學到或建立一個模式(function / learning model),並依此模式推測新的實例 (instances)。訓練資料(training data)是由輸入物件(通常是向量)和預期輸出所組成。函數的輸出可以是一個連續的值(稱為迴歸分析),或是預測一個分類標籤(稱作分類)。

(繼續閱讀…)

圖形辨識期末專案—車輛顏色分類 (Final Project – Car Color Classification)

期末利用兩個禮拜的時間完成「車輛顏色分類」的專案,我們人很容易辨識顏色,可是對於電腦可沒那麼容易,若以RGB顏色空間還不夠精準,而HSV能夠更精準來描述色彩,這顛覆我之前以為任何顏色都可以RGB來區分的想法。

(繼續閱讀…)

[MatLab] 1-NN Voronoi diagram

本來以為要自己寫程式來畫圖,沒想到MATLAB有內建函式可用,而產生出來的圖叫做Voronoi Diagram,在時間不多的情況下,當然要直接拿來用囉~話說我知道怎麼產生1-NN的圖,在兩兩point相同距離的地方產生邊界,在概念上相當簡單,但若要寫成程式碼,考慮的條件還頗複雜。先來看一下我想產生什麼圖形吧!

很像細胞的Voronoi Diagram

(繼續閱讀…)

[MatLab] Mahalanobis Distance implement with 2D class using MATLAB

3D的時候不好看出結果,
這次使用2D sample點和test點來實做。

(繼續閱讀…)

[MatLab] Mahalanobis Distance implement with 3D class using MATLAB

這次直接使用原始資料來實做,
一共有3個class,
每個class有10個sample,
而sample為3維(x1,x2,x3),
test point有4個。

(繼續閱讀…)

[MatLab] 馬氏距離的理論與實做 (Mahalanobis Distance)

總算知道【馬氏距離】的意義,
加上實際操作MATLAB來驗證理論,
真正瞭然於心。
話說MATLAB真是一個強大的工具呢!

Mahalanobis distance

From WiKi (http://en.wikipedia.org/wiki/Mahalanobis_distance)

In statistics, Mahalanobis distance is a distance measure introduced by P. C. Mahalanobis in 1936. It is based on correlations between variables by which different patterns can be identified and analyzed. It is a useful way of determining similarity of an unknown sample set to a known one. It differs from Euclidean distance in that it takes into account the correlations of the data set and is scale-invariant. In other words, it is a multivariate effect size.

Definition

Formally, the Mahalanobis distance of a multivariate vector from a group of values with mean and covariance matrix S is defined as:

(繼續閱讀…)

標籤雲

%d 位部落客按了讚: