Clasificadores clasicos para reconocimiento de patrones
Páginas: 24 (5832 palabras)
Publicado: 17 de noviembre de 2010
Classical techniques for pattern recognition
Machine Learning & Neural Networks Master en Automática y Robótica Curso 2010-2011
Homework 1 Alumno: 03303, Jesús Pestana Puerta
ÍNDICE
ÍNDICE DE FIGURAS ................................................................................................................................... 2 ÍNDICE DE TABLAS.................................................................................................................................... 2 INTRODUCCIÓN ....................................................................................................................................... 3 PRINCIPAL COMPONENT ANALYSIS (PCA) ................................................................................................ 4 CLASSICALCLASSIFIERS ......................................................................................................................... 4 K-NEAREST NEIGHBOR ..................................................................................................................... 4 NAÏVE BAYESIAN CLASSIFIER.............................................................................................................. 5 APLICACIÓN A DATOS SINTÉTICOS ............................................................................................................... 6 REDUCCIÓN DE DIMENSIONALIDAD MEDIANTE PCA ................................................................................... 6 CLASIFICACIÓN MEDIANTE K-NEAREST NEIGHBOR..................................................................................... 7 CLASIFICACIÓN MEDIANTE BAYESIAN CLASSIFIER........................................................................................ 9 CONCLUSIÓN..................................................................................................................................... 11 APLICACIÓN A DÍGITOS ESCRITOS A MANO.................................................................................................. 12 REDUCCIÓN DE DIMENSIONALIDAD MEDIANTE PCA ................................................................................. 12 CLASIFICACIÓN MEDIANTE K-NEAREST NEIGHBOR ................................................................................... 15 CLASIFICACIÓN MEDIANTE BAYESIANCLASSIFIER...................................................................................... 18 CONCLUSIÓN..................................................................................................................................... 19 CÓDIGO DE MATLAB .............................................................................................................................. 21TRABAJO1_SYN_PCA_CC.M............................................................................................................... 21 TRABAJO1_DIG_PCA_CC.M ............................................................................................................... 24 FUNCIONES COMUNES A AMBOS CODIGOS ............................................................................................. 28 TRAIN_PCA.M.............................................................................................................................. 28 APPLY_PCA.M .............................................................................................................................. 30 INTERLEAVE.M............................................................................................................................... 31QUITAR_INDICES.M........................................................................................................................ 31 BIBLIOGRAFÍA ........................................................................................................................................ 32
Jesús Pestana Puerta
9 de noviembre de 2010
1
ÍNDICE DE FIGURAS
FIG. 1 RECONOCIMIENTO CLÁSICO DE PATRONES...
Machine Learning & Neural Networks Master en Automática y Robótica Curso 2010-2011
Homework 1 Alumno: 03303, Jesús Pestana Puerta
ÍNDICE
ÍNDICE DE FIGURAS ................................................................................................................................... 2 ÍNDICE DE TABLAS.................................................................................................................................... 2 INTRODUCCIÓN ....................................................................................................................................... 3 PRINCIPAL COMPONENT ANALYSIS (PCA) ................................................................................................ 4 CLASSICALCLASSIFIERS ......................................................................................................................... 4 K-NEAREST NEIGHBOR ..................................................................................................................... 4 NAÏVE BAYESIAN CLASSIFIER.............................................................................................................. 5 APLICACIÓN A DATOS SINTÉTICOS ............................................................................................................... 6 REDUCCIÓN DE DIMENSIONALIDAD MEDIANTE PCA ................................................................................... 6 CLASIFICACIÓN MEDIANTE K-NEAREST NEIGHBOR..................................................................................... 7 CLASIFICACIÓN MEDIANTE BAYESIAN CLASSIFIER........................................................................................ 9 CONCLUSIÓN..................................................................................................................................... 11 APLICACIÓN A DÍGITOS ESCRITOS A MANO.................................................................................................. 12 REDUCCIÓN DE DIMENSIONALIDAD MEDIANTE PCA ................................................................................. 12 CLASIFICACIÓN MEDIANTE K-NEAREST NEIGHBOR ................................................................................... 15 CLASIFICACIÓN MEDIANTE BAYESIANCLASSIFIER...................................................................................... 18 CONCLUSIÓN..................................................................................................................................... 19 CÓDIGO DE MATLAB .............................................................................................................................. 21TRABAJO1_SYN_PCA_CC.M............................................................................................................... 21 TRABAJO1_DIG_PCA_CC.M ............................................................................................................... 24 FUNCIONES COMUNES A AMBOS CODIGOS ............................................................................................. 28 TRAIN_PCA.M.............................................................................................................................. 28 APPLY_PCA.M .............................................................................................................................. 30 INTERLEAVE.M............................................................................................................................... 31QUITAR_INDICES.M........................................................................................................................ 31 BIBLIOGRAFÍA ........................................................................................................................................ 32
Jesús Pestana Puerta
9 de noviembre de 2010
1
ÍNDICE DE FIGURAS
FIG. 1 RECONOCIMIENTO CLÁSICO DE PATRONES...
Leer documento completo
Regístrate para leer el documento completo.