TA的每日心情 | 难过
昨天 08:45 |
|---|
签到天数: 3182 天 连续签到: 52 天 [LV.Master]2000FPS
|
注册登陆后可查看附件和大图，以及购买相关内容
您需要 登录 才可以下载或查看，没有账号？注册会员
x
NI视觉的颜色分类器
分类分数是指一个新的样本分配给某一个类而不是其它类的确定程度。例如，有红色类、有绿色类，这时，如果检测到一个黄色的样本，那么其归为红或绿的分类都是500分，假如是一个橙黄色，那么其归为红色时，更确定，因为橙黄中的红色分量会更多。识别分数，表示了样本与类之间的成员的相似性。是指将一个新样本分类为某一个类后，新样本与这个类中的其它样本之间的相似度，如我们定义一个黄色的类，其中有纯黄，有黄绿，有橙黄，这时如果有一个橙黄的样本被归为黄色一类，那么他与其中的橙黄样本是最相似的。而距离，则是表示当前样本，与分类器中所有的类之间的距离，表示了差异。这个差异的具体量化，需要你去参考相关的文献。如色彩系之类的。例如我们一般认为红色和黄色之间的距离比较远。而深红和浅红之间的距离比较近。
分类分数反应了一个样本被认为是某一类的可能性有多高；识别分类是将样本分为认为某类后，与此类中最相似的样本之间的相似度；距离则是此样本与所有类之间的差异。距离最小的类，肯定是将当前的样本归为这一类的，如果其分类分值很高，那么此分类就很稳定，如果很低，那么就不太可靠，可能再有另外一个分类，他就成了叛徒变成别的类了。识别分数则表示与类成员是相似性，如果与某个类成员的相似性很高，那么他被认为此类的分类分数也会很高，其距离也应该比较小。
|
|
发表于 2014-7-5 00:26:53
发表于 2015-8-18 08:57:16
