پنجره پارزن

مثال از Maximum Likelihood
نوامبر 21, 2022
الگوریتم Expection Maximization
دسامبر 2, 2022

پنجره پارزن

پنجره Parzen یک تکنیک تخمین چگالی ناپارامتریک است. تخمین چگالی در تشخیص الگو را می توان با استفاده از رویکرد پنجره پرزن به دست آورد. تکنیک تخمین چگالی پنجره Parzen نوعی تعمیم تکنیک هیستوگرام است.

برای استخراج تابع چگالی {f(x) استفاده می شود.
{f(x) برای پیاده سازی یک طبقه بندی کننده بیز استفاده می شود. هنگامی که یک ویژگی نمونه جدید x داریم و زمانی که نیاز به محاسبه مقدار چگالی شرطی کلاس وجود دارد، {f(x) استفاده می شود.
{f(x) مقدار داده ورودی نمونه را می گیرد و تخمین چگالی نمونه داده شده را برمی گرداند.

یک ابر مکعب n بعدی در نظر گرفته می شود که فرض می شود دارای نمونه های K-داده است.
طول ضلع های هایپرمکعب hn در نظر گرفته می شود.

بنابراین حجم ابر مکعب برابر است با: Vn = hnd

ما یک تابع پنجره هایپرمکعب را تعریف می کنیم، φ(u) که یک تابع نشانگر ابر مکعب واحد است که به مرکز قرار دارد.
φ(u) = 1 اگر |ui| <= 0.5
φ(u) = 0 در غیر این صورت
در اینجا، u یک بردار است، u = (u1، u2، …، ud)T.
φ(u) باید موارد زیر را برآورده کند

  1. \varphi\((u) >= 0 ; \forall u
  2. \int_{R^{d}}^{} \varphi\((u).du = 1

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *