| Operatoren |
classify_class_gmm — Berechnen der Klasse eines Merkmalsvektors durch ein Gaussian Mixture Model.
classify_class_gmm berechnet mit dem durch GMMHandle gegebenen Gaussian Mixture Model (GMM) die Num besten Klassen des Merkmalsvektors Features und gibt die Klassen in ClassID und die zugehörigen Wahrscheinlichkeiten der Klassen in ClassProb zurück. Das GMM muss vor der Verwendung von classify_class_gmm mit train_class_gmm trainiert werden.
classify_class_gmm entspricht dem Aufruf von evaluate_class_gmm und der zusätzlichen Bestimmung der besten Num Klassen. Wie bei evaluate_class_gmm beschrieben, können die Ausgabewerte ClassProb des GMM als Wahrscheinlichkeiten des Auftretens der jeweiligen Klasse interpretiert werden. Im Normalfall, sollte es ausreichend sein, Num = 1 zu verwenden, um zu entscheiden, ob die Wahrscheinlichkeit der besten Klasse des Merkmalsvektors hoch genug ist. In manchen Anwendungen kann es aber auch interessant sein, die zweitbeste Klasse zu betrachten (Num = 2), insbesondere, wenn zu erwarten ist, dass sich die Klassen signifikant überlappen.
Die Parameter Density und KSigmaProb sind bei evaluate_class_gmm beschrieben.
Handle des GMM.
Merkmalsvektor.
Anzahl der zu bestimmenden besten Klassen.
Defaultwert: 1
Wertevorschläge: 1, 2, 3, 4, 5
Ergebnis der Klassifikation des Merkmalsvektors durch das GMM.
Die a-posteriori-Klassenwahrscheinlichkeit.
Wahrscheinlichkeitsdichte des Merkmalsvektors.
Normalisierte k-Sigma-Wahrscheinlichkeit für den Merkmalsvektor.
Sind die Parameterwerte korrekt, dann liefert classify_class_gmm den Wert 2 (H_MSG_TRUE). Gegebenenfalls wird eine Fehlerbehandlung durchgeführt.
train_class_gmm, read_class_gmm
Christopher M. Bishop: „Neural Networks for Pattern Recognition“;
Oxford University Press, Oxford; 1995.
Mario A.T. Figueiredo: „Unsupervised Learning of Finite Mixture
Models“; IEEE Transactions on Pattern Analysis and Machine
Intelligence, Vol. 24, No. 3; March 2002.
Foundation
| Operatoren |