Prepoznavanje oblika (13E054PO)

Doma¢i zadaci

Miljan Veljovi¢

Februar 2018
Sadrºaj

1 A Main Heading 1
1.1 A Subheading . . . . . . . . . . . . . . . . . . . . . . . . . . . 1

ii
Glava 1

Prvi doma¢i zadatak

1.1 Uvod

U teoriji prepoznavanja oblika osnovni cilj je dono²enje odluke o tome kojoj

klasi ili kategoriji posmatrani uzorak pripada. Na osnovu nekog unapred
odreženog pravila, uzorci se klasikuju na osnovu statisti£kih parametara
koji karakteri²u posmatrani uzorak. Pod testiranjem hipoteza se podrazu-
meva niz metoda koje re²avaju zadati problem klasikacije.
Osnovna ideja testiranja hipoteza jeste izbor adekvatnih obeleºja svake klase
ponaosob i potom dono²enje odluke na osnovu statisti£kih karakteristika po-
smatranih oblika.
Ukoliko pretpostavimo da su apriorne verovatno¢e pojave prve i druge klase
P1 i P2 , respektivno, aposteriorne verovatno¢e pojave prve i druge klase
q1 (X) = P (ω1 |X) i q2 (X) = P (ω2 |X), respektivno, miskovana funkcija gu-
stine verovatno¢e fX (X), i aposteriorna funkcija gustine verovatno¢e mernih
vektora fi (X) = fX (X|ωi ) tada Bajesovo pravilo odlu£ivanja postaje:

q1 (X) > q2 (X) ⇒ X ∈ ω1

(1.1)
q1 (X) < q2 (X) ⇒ X ∈ ω2

Primenom Bajesove formule imamo da vaºi

fi (X)Pi
qi (X) = (1.2)
f (X)

1
na osnovu £ega Bajesovo pravilo odlu£ivanja najmanje gre²ke postaje
P1 f1 (X) > P2 f2 (X) ⇒ X ∈ ω1
(1.3)
P1 f1 (X) < P2 f2 (X) ⇒ X ∈ ω2
ili
f1 (X) P2
l(X) = > ⇒ X ∈ ω1
f2 (X) P1
(1.4)
f1 (X) P2
l(X) = < ⇒ X ∈ ω2
f2 (X) P1
gde je sa l(X) ozna£en koli£nik verodostojnosti, dok je sa P2 /P1 ozna£ena
vrednost praga odluke.
Uobi£ajeno je da se na prethodnu jednakost primeni funkcija negativnog
prirodnog logaritma, £ime Bajesovo pravilo odlu£ivanja postaje
f1 (X) P2
l(X) = −ln( ) < −ln( ) ⇒ X ∈ ω1
f2 (X) P1
(1.5)
f1 (X) P2
h(X) = −ln( ) > −ln( ) ⇒ X ∈ ω2
f2 (X) P1
gde se h(X) naziva diskriminacionom funkcijom, i predstavlja veoma vaºnu
funkciju u teoriji prepoznavanja oblika.
Uslovna verovatno¢a gre²ke odluke za zadati merni vektor X ozna£ava se sa
r(X) i iznosi
r(X) = min[q1 (X), q2 (X)] (1.6)
dok se ukupna gre²ka koja se naziva Bajesovom gre²kom ra£una prema for-
muli
Z
 = E{r(X)} = r(X)f (X)dX
Z Z
= min[q1 (X), q2 (X)]f (X)dX = min[P1 f1 (X), P2 f2 (X)]dX (1.7)
Z Z
= P1 f1 (X)dX + P2 f2 (X)dX = P1 1 + P2 2
L2 L1

gde su
Z
1 = f1 (X)dX
ZL2
(1.8)
2 = f2 (X)dX
L1

2
verovatno¢e gre²ke prvog i drugog tipe, respektivno, i predstavljaju verovat-
no¢e da uzorci iz odgovaraju¢ih klasa budu pogre²no klasikovani.
Ukoliko se Bajesova gre²ka posmatra u domenu diskriminacione funkcije,
tada imamo Z ln(P1 /P2 )
1 = fh (h|ω1 )dh
Z−∞
∞ (1.9)
2 = fh (h|ω2 )dh
ln(P1 /P2