BẢNG V
RE SU LT SOFEXAMPLE 2 ON LHQ Tôi VA RI AT E GAU SSIAN DI STRI BU TIO NS Classifier Loại p (t1) / p (t2) [p (t1), p (t2)] 1 [0.5, 0.5] 2 [2/3, 1/3] 4 [0.8, 0.2] 9 [0.9, 0.1] 99 [0.99, 0.01] 999 [0,999, 0,001] 9999 [0,9999, 0,0001] E1 0,0594 0,0362 0,0161 0,0793 0.483e-3 0.422e -5 0.000 E2 0,0856 0,0759 0,0539 0,0793 0.903e-2 0.993e-3 0.1e-3 Bayesian E2 / p (t2) 0,159 0,257 0,379 0,539 0,903 0,993 1,000 xb (xc =) 0,0 0,347 0,693 1,10 2,30 3,45 4,61 H (T | Y) 0,631 0,591 0,491 0,349 0,0756 0,0113 0,00147 NI 0,369 0,356 0,320 0,256 0,0644 0,00524 0.124e-3 E1 0,0867 0,0852 0,0772 0,0793 0,0585 0,0551 0,0547 E2 0,0637 0,0451 0,0264 0,0793 0.331e-2 0.343e-3 0.345e-4 Mutual- E2 / p (t2) 0,159 0,191 0,225 0,264 0,331 0,343 0,345 Thông tin xb 0,126 0,246 0,367 0,0 0,562 0,597 0,601 H (T | Y) 0,631 0,586 0,472 0,320 0,0629 0,00957 0,00129 NI 0,362 0,346 0,317 0,369 0,222 0,161 0,125 Fig. 3. Curves của "E2 / p (t2) vs p (t1) / p (t2)". Rắn đường cong: phân loại Bayes. Đường cong Dashed:. Mutual-thông tin phân loại các lớp học, phân loại lẫn nhau, thông tin thường không giữ một xu hướng hy sinh một lớp học hoàn chỉnh trong phân loại. Tuy nhiên, từ một quan điểm lý thuyết, chúng ta vẫn cần phải es- tablish một derivation phân tích của giới hạn trên và dưới của Ei / p (ti) cho phân loại lẫn nhau thông tin. Ví dụ 3: Zero điểm cross-over. Các thông số trên cho hai lớp là: | xác suất p (ti x) chỉ ra rằng lớp 2 không có cơ hội để được (. Hình 4c). Xem xét trong miền hoàn chỉnh của x Bảng VI liệt kê các kết quả cho cả hai loại phân loại. Các phương pháp Bayesian không đạt được kết quả có ý nghĩa trên các dữ liệu nhất định. Khi thiếu dữ liệu đầu vào của λ13 và λ23, người ta không thể thực hiện các phương pháp Bayesian cho kiêng phân loại. Ngược lại, mà không chỉ định bất kỳ điều khoản chi phí, phân loại lẫn nhau, thông tin có thể phát hiện các lớp mục tiêu với một mức độ hợp lý chính xác. Khi không có từ chối được chọn, ít hơn hai phần trăm lỗi (E2 = 1,53%) xảy ra với các lớp mục tiêu. Mặc dù các lỗi tổng (E = 51,4%) cao hơn nhiều so với đối tác của mình Bayesian (E = 20%, FNR = 0%), kết quả của khoảng tám điểm phần trăm (FNR = 7.65%) mức bỏ lỡ để mục tiêu là thực sự có ý nghĩa trong các ứng dụng. Nếu một tùy chọn từ chối tham gia, tỷ lệ bỏ lỡ được tiếp tục giảm đến FNR = 4.10%, nhưng bao gồm thêm một tỷ lệ từ chối 29,1% so với tổng số mẫu có thể. Ví dụ này xác nhận một lần nữa các tính năng độc đáo của các phân loại lẫn nhau thông tin. Các kết quả của TRK từ phân loại thông tin mutual- cũng có thể phục vụ cho một tài liệu tham khảo hữu ích cho việc thiết kế phân loại kiêng Chow, có hoặc không có kiến thức về các điều khoản chi phí. Μ1 = 0, σ1 = 2, p (t1) = 0,8, μ2 = 0 , σ2 = 1, p (t2) = 0,2. Mặc dù không có dữ liệu được quy định các điều khoản chi phí, nó thường ngụ ý một số không ai bị mất chức năng cho họ [4]. Từ eq. (18), ta có thể thấy một trường hợp của zero điểm cross-over xảy ra trong ví dụ này (Hình. 4c). Đối với các thiết lập zero-một chi phí điều khoản, phân loại Bayes sẽ sản xuất một phân loại kết quả cụ thể của "Đa-uống-tất cả", đó là, cho tất cả các mô hình xác định là lớp 1. Các lỗi cho đến Class 2 chỉ, và nó giữ các mối quan hệ của NI = 0, chỉ ra rằng không có thông tin là C. So sánh về Distributions Uniform đơn biến phân phối thống nhất là rất hiếm trong các vấn phân loại đề. Phần này cho thấy một ví dụ được đưa ra từ [3]. Một nỗ lực cụ thể được thực hiện trên so sánh số giữa hai loại phân loại. Ví dụ 4: Một phần chồng lấn giữa hai tions phối. Nhiệm vụ cho ví dụ này là để thiết lập các điều khoản chi phí cho việc kiểm soát các kết quả quyết định trên khu vực chồng chéo cho các dữ liệu đưa ra từ [3]: 1 khi 0 ≤ x ≤ 1 thu được từ việc phân loại theo [9]. Người ta có thể tưởng tượng rằng cho ví dụ có thể mô tả một vấn đề phân loại nơi một mục tiêu p (x | t1) = 0 nếu không lớp, với phân phối Gaussian, cũng là hỏng với ban nhạc wider- tiếng ồn Gaussian trong miền tần số (Hình 4a.). Các lô của p (ti) p (x | ti) cho thấy sự phân bố áp đảo của Class 1 qua rằng các Class 2 (Hình 4b.). Các mảnh đất trên hậu p (x | t2) = 1/2 khi 0,5 ≤ x ≤ 2,5 0 nếu p (t1) = p (t2) = 0,5.
đang được dịch, vui lòng đợi..