![]() Главная страница Случайная страница Разделы сайта АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторикаСоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника |
Способы измерения расстояний между векторами признаков
В качестве исходных данных мы имеем усредненные значения параметров для каждого из классов изображений, в процессе работы вычисляются параметры загруженного изображения. Для реализации метода потенциальных функций необходимо каким-либо образом измерять расстояние между векторами признаков, вычисленных для загруженного изображения и заданных в качестве исходных данных. Если рассматривать образы как элементы метрического пространства, то в качестве функции расстояния можно использовать метрику этого пространства, т.е. такую неотрицательную функцию 1) 2) 3) 4) Пространство · метрика Евклида · манхаттоновская метрика · метрика Канберра Выбор метрики в пространстве объектов X является серьёзной проблемой в задачах классификации, кластеризации и непараметрической регрессии. Метрика это математическая модель сходства объектов, и её выбор во многих случаях не однозначен. В то же время, в большинстве метрических алгоритмов предполагается, что метрика фиксирована. В последнее время всё чаще применяются методы, в которых метрика настраивается по обучающей выборке. Метрика Евклида, используемая для определения расстояния между точками пространства признаков Второй по значимости функцией расстояния принято считать метрику несхожести или манхаттоновскую метрику, которую при рассмотрении на множестве биполярных векторов Забиваем Сайты В ТОП КУВАЛДОЙ - Уникальные возможности от SeoHammer
Каждая ссылка анализируется по трем пакетам оценки: SEO, Трафик и SMM.
SeoHammer делает продвижение сайта прозрачным и простым занятием.
Ссылки, вечные ссылки, статьи, упоминания, пресс-релизы - используйте по максимуму потенциал SeoHammer для продвижения вашего сайта.
Что умеет делать SeoHammer
— Продвижение в один клик, интеллектуальный подбор запросов, покупка самых лучших ссылок с высокой степенью качества у лучших бирж ссылок. — Регулярная проверка качества ссылок по более чем 100 показателям и ежедневный пересчет показателей качества проекта. — Все известные форматы ссылок: арендные ссылки, вечные ссылки, публикации (упоминания, мнения, отзывы, статьи, пресс-релизы). — SeoHammer покажет, где рост или падение, а также запросы, на которые нужно обратить внимание. SeoHammer еще предоставляет технологию Буст, она ускоряет продвижение в десятки раз, а первые результаты появляются уже в течение первых 7 дней. Зарегистрироваться и Начать продвижение Исследования показали, что евклидово расстояние эффективно при исследованиях слабо коррелированных (шарообразных) совокупностей объектов, а манхеттенское - если объекты образуют плоские вытянутые классы, ортогональные каким-либо координатным осям пространства признаков. Поэтому обработка одной и той же таблицы " объекты-свойства" одним и тем же методом или алгоритмом, но с использованием различных метрик может давать различные, порой кардинально противоположные результаты. На рисунке 1.5 приведен пример, иллюстрирующий результаты классификации объектов в зависимости от применяемой метрики.
Рисунок 1.5 - Зависимость результатов классификации от типа используемой метрики При использовании манхеттенского расстояния образуются классы, вытянутые вдоль оси абсцисс (обозначены на рисунке 1.5 сплошными линиями), а при использовании евклидового расстояния объекты группируются в два более или менее компактных класса (обозначены рисунке 1.5 пунктирными линиями). Из этого следует, что к выбору метрики следует подходить весьма продуманно и осторожно, сопоставляя результаты использования различных метрик между собой и с целями предпринятой обработки эмпирических данных. Заметим, что метрика Канберра, в отличие от ранее рассмотренных метрик, является неинвариантной относительно сдвига векторов.
|