個人HP After Cider の管理人、
ほねっとのブログです。
なのはプロジェクトとか大好きです。
八神はやてが大好きな管理人です。
コメント歓迎です!
× [PR]上記の広告は3ヶ月以上新規記事投稿のないブログに表示されています。新しい記事を書く事で広告が消えます。
こんにちは、ほねっとです∩( 'ヮ' 三 'ヮ' )∩
今回のコミックマーケット80にむけた特設ページを 開設しました。 http://www.aftercider.com/comicmarket80/ 新刊情報やゲスト情報などに関しては、こちらのページで ご確認ください!∩( 'ヮ' 三 'ヮ' )∩ では、会場でお待ちしております! PR
こんにちは、ほねっとです。
コミックマーケット80にサークル参加します! いま鋭意執筆中で、詳細は近日公開しようと思います。 もう少々お待ちくださいまし! スペースは 三日目 東 リ14-b Aftercider です! ∩( 'ヮ' 三 'ヮ' )∩
特徴軸
φ1,φ2,,,,φn φj=(φj1 φj2 ... φjn)' 直行性φi'φj = 1(if i=j or 0 (i≠j) 1)PCA 最良近似 n次元→m次元 スペクトルx=Σαikφk ☆このあとはPCAのやり方 2)Fisherの判別関数 LDA(Linear Discriminant Analsis 線形判別分析) n次元の特徴空間の2クラス→1次元の実数値に写像して識別する クラスω1に属するサンプル数 n1 クラスω2に属するサンプル数 n2 線形変換 y=A'x A:n×1の重みベクトル 識別にもっともよい軸を得る線形変換 重みベクトルを求める クラスωiの点のAによる変換の集合をyi 平均ベクトルμi = 1/ni Σx 変換軸上での平均 μ~i = 1/ni Σy = 1/ni ΣA'x = A'μi 変換した1次元軸上でのクラス内分散 S~i = Σ(y-μ~i)^2 クラス内分散が小さく、クラス間の平均値間の距離が大きい Fisherの関数 http://d.hatena.ne.jp/aidiary/20100425/1272158587 の4.25らへんから J_s(A) = |μ~_1 - μ~_2|^2 / (S~_1^2 - S~_2^2) 具体的に求めると、 S1 = Σ(x-μ_i)(x-μ_i)' クラス内変動行列 読めない… 多重判別分散(MDA)
月曜4限 パターン認識/パターン識別
石塚 満 教授 シラバス 画像パターンだけに限らず,データやテキストも対象にして認識/識別する 汎用性の高い基礎となる統計的手法を中心にして学ぶ.事例データからの 識別器の設計は学習であることから,統計的学習の基礎も含む.データ マイニングとも部分的に関係する. 参考図書 1)R. O. Duda, P.E. Hart and D. G. Stork: Pattern Classification -- 2nd Edition, John Wiley & Sons, 2001. [邦訳] 尾上守夫(監訳):パターン識別,新技術コミュニケーションズ,2001. 2)C. M. Bishop: Pattern Recognition and Machine Learning, Springer-Verlag, 2006. [邦訳] 元田浩,他(監訳):パターン認識と機械学習(上,下), シュプリンガー・ジャパン,2007. 3)P. N. Tan, M. Steinbach and V. Kumar: Introduction to Data Mining, Addison Wesley, 2006. 評価方法 出席とレポート 出席半分以上ないと単位は来ない パターンとは? 視覚的パターン:図形・画像・映像・3D物体・シーン ほかには:波形・音声・データセット・テキスト・Webページなど 人間(動物) 自分にとって危険かどうかを見分ける=生存するうえで必須 識別⇒記号化⇒言語 認識(recognition) … 識別・分類(classification) + 理解(understand)←部分要素間の(空間的)関係構造まで把握 パターン集合からカテゴリーに対応付けする (類似度やパターン間の距離を使う) 画像1 文脈依存性 OCRで「A」のてっぺんの部分が離れてた場合: T☆EならTHE 、 C☆TならCAT みたいな 0.直接的パターンマッチング 1)標準的パターンとの相互相関係数(テンプレートマッチング) 一般マッチング尺度 標準パターン:f 未知入力パターン:g ∬|f-g|^2=∬f^2 - 2∬fg + ∬g^2 のfgがマッチングの尺度になる 2)定点サンプリング 重要な点でのみマッチング 3)ゾンデ法(手書き数字認識) 定点から検出線をだし、図形要素が乗る検出線でマッチング(若干の柔軟性) 4)一次系列の場合 音声⇒HMM(隠れマルコフモデル) 文字系列 例:f1=cbabdbb テンプレート g=cbbabbdb 入力パターン パターン間の距離:編集距離(代入・削除・挿入の回数) 効率的な距離計算法DP(Dynamic Programming) データマイニングのTop10アルゴリズム 1 C4.5 2 K-Means 3 SVM 4 Apriori 5 EM 6 PageRank 7 Ada Boost 8 kNN 9 Naive Bayes 10 CART 1.統計パターン認識(Statistical Pattern Recognition) 入力→[前処理]→[特徴抽出]→[識別・分類]→出力・クラス(ω1,ω2) 前処理:検出・セグメンテーション・など 特徴抽出:x=(x1 x2 x3…)' 特徴ベクトルを作る どんな初期特徴がいいのかの理論がなく、設計者の直観に頼るところが大きい 抽出した特徴の選択・組み合わせ変換については理論あり 特徴量の例 面積・周囲長・円形度・長軸長・輪郭のフーリエ成分・2Dのフーリエ成分・平均濃度・平均カラー テキスト文章の時 単語ベクトル(Bag-of-Words(Stock Words(the,a,isなど)を除く))・形態素解析 ・steming(-es -edなど取り除く)を行う・単語のn-gramをとる・係り受け関係など
次のページ>>
|
カレンダー
カテゴリー
フリーエリア
最新CM
[01/11 cash for survey]
[01/03 terCipsaips]
[11/18 canon eos 600d kit]
最新記事
(07/29)
(07/20)
(04/26)
(04/12)
(01/13)
プロフィール
HN:
ほねっと
性別:
非公開
自己紹介:
ついったーはこちらです!
http://twitter.com/aftercider
ブログ内検索
カウンター
アクセス解析
|