Klasyfikator Hierarchiczny z nakładającymi się grupami klas

• Kategorie:
  1. Ebooki i Audiobooki »
  2. Informatyka
• Język wydania: polski
• ISBN: 978-83-233-3444-6
• ISBN druku: 978-83-233-3444-6
• Liczba stron: 148
• Sposób dostarczenia produktu elektronicznego
  Produkty elektroniczne takie jak Ebooki czy Audiobooki są udostępniane online po uprzednim opłaceniu (PayU, BLIK) na stronie Twoje konto > Biblioteka.

  Pliki można pobrać zazwyczaj w ciągu kilku-kilkunastu minut po uzyskaniu poprawnej autoryzacji płatności, choć w przypadku niektórych publikacji elektronicznych czas oczekiwania może być nieco dłuższy.

  Sprzedaż terytorialna towarów elektronicznych jest regulowana wyłącznie ograniczeniami terytorialnymi licencji konkretnych produktów.
• Ważne informacje techniczne
• Minimalne wymagania sprzętowe:
  • procesor: architektura x86 1GHz lub odpowiedniki w pozostałych architekturach
  • Pamięć operacyjna: 512MB
  • Monitor i karta graficzna: zgodny ze standardem XGA, minimalna rozdzielczość 1024x768 16bit
  • Dysk twardy: dowolny obsługujący system operacyjny z minimalnie 100MB wolnego miejsca
  • Mysz lub inny manipulator + klawiatura
  • Karta sieciowa/modem: umożliwiająca dostęp do sieci Internet z prędkością 512kb/s
• Minimalne wymagania oprogramowania:
  • System Operacyjny: System MS Windows 95 i wyżej, Linux z X.ORG, MacOS 9 lub wyżej, najnowsze systemy mobilne: Android, iPhone, SymbianOS, Windows Mobile
  • Przeglądarka internetowa: Internet Explorer 7 lub wyżej, Opera 9 i wyżej, FireFox 2 i wyżej, Chrome 1.0 i wyżej, Safari 5
  • Przeglądarka z obsługą ciasteczek i włączoną obsługą JavaScript
  • Zalecany plugin Flash Player w wersji 10.0 lub wyżej.
• Informacja o formatach plików:
  • PDF - format polecany do czytania na laptopach oraz komputerach stacjonarnych.
  • EPUB - format pliku, który umożliwia czytanie książek elektronicznych na urządzeniach z mniejszymi ekranami (np. e-czytnik lub smartfon), dając możliwość dopasowania tekstu do wielkości urządzenia i preferencji użytkownika.
  • MOBI - format zapisu firmy Mobipocket, który można pobrać na dowolne urządzenie elektroniczne (np.e-czytnik Kindle) z zainstalowanym programem (np. MobiPocket Reader) pozwalającym czytać pliki MOBI.
  • Audiobooki w formacie MP3 - format pliku, przeznaczony do odsłuchu nagrań audio.
• Rodzaje zabezpieczeń plików:
  • Watermark - (znak wodny) to zaszyfrowana informacja o użytkowniku, który zakupił produkt. Dzięki temu łatwo jest zidentyfikować użytkownika, który rozpowszechnił produkt w sposób niezgodny z prawem.
  • Brak zabezpieczenia - część oferowanych w naszym sklepie plików nie posiada zabezpieczeń. Zazwyczaj tego typu pliki można pobierać ograniczoną ilość razy, określaną przez dostawcę publikacji elektronicznych. W przypadku zbyt dużej ilości pobrań plików na stronie WWW pojawia się stosowny komunikat.

  Więcej informacji o publikacjach elektronicznych

Spis rysunków VII
Spis tabel IX
Wprowadzenie XI
Wstęp 1

1. Podział zadania klasyfikacji 9

1.1. Klasyfikator  10
1.2. Podział przestrzeni klas  10
1.2.1. Losowa symulacja klasyfikatora dla podproblemu 15
1.2.2. Symulacja z wykorzystaniem prawa Bayesa  17
1.2.3. Wykorzystanie ewaluacji ryzyka w rzeczywistym problemie  19
1.3. Wykorzystanie słabych klasyfikatorów  24

2. Klasyfikator Hierarchiczny HCOC 33

2.1. Podział przestrzeni wyjściowej klas  33
2.1.1. Klastry i ich nakładanie się  37
2.2. Definicja HCOC  38
2.2.1. Macierz klastrowania F  40
2.3. Ewaluacja klasyfikatora HCOC  46
2.3.1. Agregacja wyników klasyfikacji w modelach złożonych  46
2.3.2. Wagi klastrów HCOC  47
2.3.3. Ewaluacja poddrzew  49
2.3.4. Zależność wag klastrów od składowych klas  55
2.4. HCOC jako rozwiązanie zadania przez podział  57
2.4.1. Klasyfikacja przykładów  60
2.5. Nauczanie pojedynczych węzłów  63
2.6. Zadanie klastrowania  65
2.6.1. Rozszerzenie algorytmu klastrowania aglomeratywnego  66
2.6.2. Bayesowskie podejście do klastrowania  67
2.6.3. Urównoleglenie klastrowania przy wykorzystaniu algorytmu Rosnacego Gazu Neuronowego GNG  70
2.6.4. Wykorzystanie metod genetycznych dla klastrowania  73
2.6.5. Inne funkcje dopasowania  74
2.6.6. Alternatywne klastrowanie dla lasu drzew decyzyjnych  76
2.6.7. Problem zapewnienia różnorodności klasyfikatorów  77
2.7. Zbieżność nauczania HCOC  79
2.7.1. HCOC jako złożony klasyfikator  79
2.7.2. Błąd HCOC a słabość klasyfikatorów bazowych  84
2.7.3. Zależność błędu HCOC od błędu generalizacji  84

3. Eksperymenty i doświadczenia 89

3.1. Eksperyment Mixture of Gaussians dla wielu klas wyjściowych  89
3.2. Rozpoznawanie przedmiotów z bazy COIL i porównanie z innym modelem hierarchicznym  93
3.3. Zbiory porównawcze z repozytoriów  94
3.4. Klasyfikacja tekstur  94
3.5. Zastosowania w teorii automatów  96
3.6. Rozpoznawanie twarzy  99
3.7. Ekstrakcja reguł  102

Zakończenie 107

Dodatek A. Problemy nauczania maszynowego 109

A.1. Nadzorowane nauczanie maszynowe  109
A.2. Atrybuty przykładów uczących  109
A.3. Funkcje kosztu i ryzyka  110
A.4. Klasyfikatory „monolityczne” 111
A.5. Klasyfikatory złożone  113
A.6. Agregacja wyników  115
A.7. Sposoby selekcji końcowej klasy  117
A.8. Podejścia przy aglomeratywnym klastrowaniu  117
A.9. Algorytm GNG  118
A.10.Niektóre miary różnorodności  118
A.11.Rozkład Beta  120
A.12.Rozkład Dirichleta  121
A.13.Walidacja krzyżowa i błąd Err(0.632)  122

Bibliografia 125
Skorowidz pojęc 135