Zusammenfassung
Bekanntlich haben sich Teilraummethoden wie CLAFIC, SELFIC, REPREX u. a. gut bewährt, wenn die Zeichenbildung (feature extraction) von.länglichen bzw. brettförmigen Clustern in einem zugrundegelegten separablen Hilbert-Raum H (pattern space) ausgeht (Kaminuma [1], Kulikowski [1], [2], Watanabe [1], [2], [4], [5], [7]). Sei ein Cluster gebildet durch die Vektoren V(1), V(2), ... , V(N) ∈ H mit dim H = n. Die oben erwähnten Methoden verwenden Vektoren mit der Norm 1; diese Normalisierung vereinfacht numerische Rechnungen, ist aber unbefriedi-gend, da Vektoren mit relativ kleinem Absolutbetrag, die zufällig (durch Meßfehler, Störeinflüsse etc.) in die Klasse der gemessenen Daten geraten sind und weitgehend orthogonal zu den übrigen Vektoren stehen, durch die Normalisierung einen unverhältnismäßig großen Einfluß auf die Zeichenbildung erlangen. Deshalb wird eine andere Normierung vorgeschlagen: Sei A die Autokorrelationsmatrix der N Vektoren, also
mit \({v^{\left(k\right)}}=\left[{\begin{array}{*{20}{c}}{v_1^{\left(k\right)}}\\\vdots\\{v_n^{\left(k\right)}}\end{array}}\right]\) und H ein reeller Raum.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Zitierte Literatur
Gleason, A. M.: “Measures on the Closed Subspaces of a Hilbert Space.” Journal of Mathematics and Mechanics, Vol. 6, 885–893 (1957).
Kaminuma, T., Takekawa, T., Watanabe, S.: “Reduction of Clustering Problem to Pattern Recognition.” Pattern Recognition, Vol. 1, 195–205 (1969).
Kulikowski, C. A.: “Pattern Recognition Approach to Medical Diagnosis.” IEEE Transactions on Systems Science and Cybernetics, Vol. SSC-6, 173–178 (1970).
Kulikowski, C. A.: “Discriminatory Dimensionality Reduction.” IEEE Transactions on Information Theory, Vol. IT-17, 498–499 (1971).
von Neumann, J.: Mathematische Grundlagen der Quantenmechanik. Springer-Verlag, Berlin, 1932.
Schadach, D. J.: Grundlagen einer nicht-Booleschen Informationstheorie auf Teilraumverbänden von Tensorprodukten separabler Hilbert-Räume. In Vorbereitung.
Watanabe, S.: “Karhunen-Loève Expansion and Factor Analysis.” In: Transactions of the Fourth Prague Conference on Information Theory. Academia, Prague, 1967.
Watanabe, S., et al.: Evaluation and Selection of Variables in Pattern Recognition. In: Tou, J. T. (Editor): Computer and Information Sciences, Vol. 2. Academic Press, New York, 1967.
Watanabe, S.: “Modified Concepts of Logic, Probability, and Information Based on Generalized Continuous Characteristic Function.” Information and Control, Vol. 15, 1–21 (1969).
Watanabe, S.: Knowing and Guessing. John Wiley & Sons, New York, 1969.
Watanabe, S.: “Object-Predicate Reciprocity and its Application to Pattern Recognition.” In: Information Processing 68. Proceedings of the IFIP Congress 1968. North-Holland Publishing Company, Amsterdam, 1969.
Watanabe, S.: “A Unified View of Clustering Algorithms.”Proceedings of the IFIP Congress 71, North-Holland Publishing Company, Amsterdam, 1972.
Watanabe, S.: Pattern Recognition as Information Compression.In: Watanabe, S. (Editor): Frontiers of Pattern Recognition. Academic Press, New York, 1972.
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1973 Springer-Verlag Berlin · Heidelberg
About this paper
Cite this paper
Schadach, D.J. (1973). Nicht-Boolesche Wahrscheinlichkeitsmaße für Teilraummethoden in der Zeichenerkennung. In: Einsele, T., Giloi, W., Nagel, HH. (eds) NTG/GI Gesellschaft für Informatik Nachrichtentechnische Gesellschaft Fachtagung „Cognitive Verfahren und Systeme“. Lecture Notes in Economics and Mathematical Systems, vol 83. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-80749-7_2
Download citation
DOI: https://doi.org/10.1007/978-3-642-80749-7_2
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-06268-4
Online ISBN: 978-3-642-80749-7
eBook Packages: Springer Book Archive