classify_class_mlp
— Berechnen der Klasse eines Merkmalsvektors durch ein
mehrschichtiges Perzeptron.
classify_class_mlp( : : MLPHandle, Features, Num : Class, Confidence)
classify_class_mlp
berechnet mit dem durch
MLPHandle
gegebenen mehrschichtigen Perzeptron (MLP) die
Num
besten Klassen des Merkmalsvektors Features
und gibt die Klassen in Class
und die zugehörigen
Konfidenzen (Wahrscheinlichkeiten) der Klassen in
Confidence
zurück. Das MLP muss vor der Verwendung von
classify_class_mlp
mit train_class_mlp
trainiert
werden.
classify_class_mlp
kann nur aufgerufen werden, falls das MLP
als Klassifikator mit OutputFunction
= 'softmax'
verwendet wird (siehe create_class_mlp
). Ansonsten wird
eine Fehlermeldung zurückgeliefert. classify_class_mlp
entspricht dem Aufruf von evaluate_class_mlp
und der
zusätzlichen Bestimmung der besten Num
Klassen. Wie bei
evaluate_class_mlp
beschrieben, können die Ausgabewerte des
MLP als Wahrscheinlichkeiten des Auftretens der jeweiligen Klasse
interpretiert werden. Hier wird aber die
a-posteriori-Wahrscheinlichkeit ClassProb
weiter als
ClassProb
= p(i|x)/p(x) normalisiert, wobei p(i|x) und p(x) wie bei evaluate_class_gmm
definiert sind. 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.
MLPHandle
(input_control) class_mlp →
(handle)
Handle des MLP.
Features
(input_control) real-array →
(real)
Merkmalsvektor.
Num
(input_control) integer-array →
(integer)
Anzahl der zu bestimmenden besten Klassen.
Defaultwert: 1
Wertevorschläge: 1, 2, 3, 4, 5
Class
(output_control) integer(-array) →
(integer)
Ergebnis der Klassifikation des Merkmalsvektors durch das MLP.
Confidence
(output_control) real(-array) →
(real)
Konfidenz(en) der Klasse(n) des Merkmalsvektors.
Sind die Parameterwerte korrekt, dann liefert
classify_class_mlp
den Wert 2 (H_MSG_TRUE). Gegebenenfalls wird eine
Fehlerbehandlung durchgeführt.
train_class_mlp
,
read_class_mlp
apply_dl_classifier
,
evaluate_class_mlp
Christopher M. Bishop: „Neural Networks for Pattern Recognition“;
Oxford University Press, Oxford; 1995.
Andrew Webb: „Statistical Pattern Recognition“; Arnold, London;
1999.
Foundation