Урок2
.pdf11
Примеры кластеров
Колымская низменность. Снимок SPOT 4, 15 июня 2012 г. (SpotImage, ИТЦ «СКАНЭКС», 2012)
Е.В. Понькина, 2013 |
Алтайский государственный университет |
12
Примеры кластеров
Пространственные кластеры
Е.В. Понькина, 2013 |
Алтайский государственный университет |
13
Типовые задачи классификации
1) комбинационные группировки — разбиение совокупности на интервалы
(области) группирования;
2)простая классификация / типологизация – выявление естественного расслоения анализируемых данных (объектов) на четко выраженные «сгустки»
(кластеры/классы), лежащие друг от друга на некотором расстоянии, но не разбивающиеся на столь же удаленные друг от друга части;
3)связная неупорядоченная классификация / типологизация – использование реализованной в пространстве результирующих показателей простой типологизации в качестве обучающих выборок при классификации той же совокупности объектов в пространстве описательных признаков;
Е.В. Понькина, 2013 |
Алтайский государственный университет |
14
Типовые задачи классификации
4)связная упорядоченная классификация / типологизация, которая отличается от связной неупорядоченной возможностью экспертного упорядочения классов;
5)структурная классификация / типологизация дает на «выходе» задачи дополнительно к описанию классов еще и описание существующих между ними и их элементами структурных связей;
6)типологизация динамических траекторий системы – в качестве классифицируемых объектов выступают характеристики динамики исследуемых систем.
Е.В. Понькина, 2013 |
Алтайский государственный университет |
15
Базовые способы классификации
Различают три основных режима классификации или распознавания:
1.Распознавание с обучением, с учителем.
2.Распознавание без обучения, без учителя или самообучение, автоматическая классификация.
3.Распознавание с частичным обучением.
Основные этапы:
1.Обучение – выделение общего образа, класса как совокупности признаков объектов, его составляющих.
2.Распознавание – отнесение объекта к одному из известных классов
(классификация).
Е.В. Понькина, 2013 |
Алтайский государственный университет |
16
Классификация объектов по одному признаку
Пусть N количество объектов (n 1,...,N)
Xn (X1,X2 ,...,XN ) – вектор свойств объектов
M – количество классов / групп
Класс 1 |
|
Класс 2 |
|
Класс 3 |
|
|
|
|
|
|
|
Максимум |
|
минимум |
|||
|
|
||
|
|
|
|
|
|
|
n |
xn |
1 |
3,0 |
2 |
3,2 |
3 |
3,2 |
4 |
3,5 |
5 |
4,0 |
6 |
4,8 |
7 |
5,0 |
8 |
5,3 |
9 |
5,4 |
10 |
5,8 |
11 |
6,0 |
12 |
6,1 |
13 |
6,5 |
14 |
6,6 |
15 |
6,8 |
16 |
7,0 |
17 |
8,0 |
Максимум |
8,0 |
Минимум |
3,0 |
Среднее |
5,3 |
СКО |
2,3 |
Е.В. Понькина, 2013 |
Алтайский государственный университет |
17
Методы классификации объектов по одному признаку
1.Метод равных интервалов
2.Экспертный метод
3.Метод квантилей
4.Метод естественных интервалов
Е.В. Понькина, 2013 |
Алтайский государственный университет |
18
Метод равных интервалов
Принцип классификации – границы классов образуются путем деления интервала [Xmin ,Xmax ] на равные M частей, соответственно если
Xn [am,bm) m .
Класс 1 |
|
Класс 2 |
|
Класс 3 |
|
|
|
|
|
h |
h |
h |
n |
xn |
1 |
3,0 |
2 |
3,2 |
3 |
3,2 |
4 |
3,5 |
5 |
4,0 |
6 |
4,8 |
7 |
5,0 |
8 |
5,3 |
9 |
5,4 |
10 |
5,8 |
11 |
6,0 |
12 |
6,1 |
13 |
6,5 |
14 |
6,6 |
15 |
6,8 |
16 |
7,0 |
17 |
8,0 |
Максимум |
8,0 |
Минимум |
3,0 |
Среднее |
5,3 |
СКО |
2,3 |
M= |
3 |
h= |
1,7 |
Е.В. Понькина, 2013 |
Алтайский государственный университет |
19
Классификация на основе экспертных оценок
Принцип классификации – границы классов задаются экспертом и
необязательно совпадают с границами интервала [Xmin ,Xmax ] , возможно разбиение на неравные M частей.
Если Xn [am,bm) m , (bm am) (bi ai ).
Класс 0 |
Класс 1 |
Класс 2 |
Класс 3 |
Класс 4 |
|
|
|
|
|
h1 |
h2 |
h3 |
|
|
|
n |
xn |
1 |
3,0 |
2 |
3,2 |
3 |
3,2 |
4 |
3,5 |
5 |
4,0 |
6 |
4,8 |
7 |
5,0 |
8 |
5,3 |
9 |
5,4 |
10 |
5,8 |
11 |
6,0 |
12 |
6,1 |
13 |
6,5 |
14 |
6,6 |
15 |
6,8 |
16 |
7,0 |
17 |
8,0 |
Максимум |
8,0 |
Минимум |
3,0 |
Среднее |
5,3 |
СКО |
2,3 |
M= |
3 |
h= |
1,7 |
Е.В. Понькина, 2013 |
Алтайский государственный университет |
20
Метод квантилей
Принцип классификации – границы классов задаются исходя из плотности распределения вероятностей случайной величины в рамках интервала [Xmin ,Xmax ] ,
разбиение на неравные M частей.
Если Xn [am,bm) m , (bm am) (bi ai ).
Формируются квантили вероятностей попадания СВ в заданный интервал:
Класс 1: вероятность <0,1 – интервал [a1,b1);
Класс 2: вероятность <0,3 – интервал [a2 b1,b2);
Класс 3: вероятность <0,5 – интервал [a3 b2,b3);
…
Класс M: вероятность <1 – интервал [aM 1 bM 1,bM );
Для вычисления границ классификационных интервалов может использоваться функция НОРМОБР() для нормально распределенных величин.
Е.В. Понькина, 2013 |
Алтайский государственный университет |