익플루언서 :: ikfluencer

패턴인식 개론에서 중요한 개념들 중 분류(classification)와 군집화(clustering)의 차이에 대해 알아보자 분류(classification) 군집화(clustering) 주어진 데이터 집합을 이미 정의된 몇 개의 클래스로 구분하는 문제 입력 데이터의 분포 특성(입력값의 유사성)을 분석하여 임의의 복수 개의 그룹으로 나누는 것 입력 데이터와 각 데이터의 클래스 라벨이 함께 제공 -> {xi, y(xi)} 클래스에 대한 정보 없이 단순히 입력값만 제공 ->{xi} 숫자인식, 얼굴인식 등 영상분리 Bayes classifier K-Nearest Neighbor method Multilayer perceptrons Support Vector Machine K-means clustering Lea..

Illumination Estimation, 조명 위치 측정에 대한 논물을 읽다가 알게 된 폰 미제스 피셔분포(Von Mises–Fisher distribution) 간단하게 소개해보겠습니다. http://en.wikipedia.org/wiki/Von_Mises%E2%80%93Fisher_distribution 폰 미제서 피셔 분포는 쉽게 말해 (p-1)차원상의 확률분포, 예를들어 3차원상의 가우시안 분포 등 을 말합니다. 위 그림은 3차원에서 3개의 폰 미제스 피셔 분포인데 파라미터 k가 1일때는 블루, 10일때는 그린, 100일때는 빨강부분을 의미하고. 이는 파라미터값이 크면 랜덤 변수들이 모여있다고 판단됩니다. 파라미터 u는 각각의 랜덤 변수들의 분포의 중심을 가리키는 화살표를 뜻합니다. 위 그림도..

마르코프 모델 기반의 은닉 마르코프 모델에 대해 알아봅시다. 은닉마르코프모델은 일종의 오토마타로써, 모델을 구성하고 있는 상태들 간의 전이가 특정한 확률값을 통하여 이루어진다. 이 모델은 음성데이터와 같은 순차적 데이터를 인식하는데 널리 사용되어 온 모델로써 일련의 순차적인 성질을 내포하고 있는 데이터를 다루는 문제에 잘 적용될 수 있다. 그렇다면 순차적 데이터란? 다음으로는 우도확률이란?? 은닉 마르코프 모델에 간단한 예를 들어보겠습니다~ 참고 링크!!!! http://en.wikipedia.org/wiki/Hidden_Markov_model http://blog.daum.net/hazzling/15669927 http://shineware.tistory.com/12

확률분포를 얘기하는 데 있어서 빠지지 않고 등장 하는 마르코프 랜덤필드에 대해 알아보도록 하자. Markov Random Fields 는Bayesian Modeling 을 통해서 이미지를 분석하는데에사용되는 방법 . 한 부분의 데이터를 알기 위해 전체의 데이터를 보고 판단하는 것이 아니라, 이웃하고 있는 데이터들과의 관계를 통해서 판단 Markov Random Fields 활용 분야 이미지복원(image restoration:noise가있는이미지에서noise 제거) 텍스쳐분석(texture analysis) 이미지분할(image segmentation) 이미지레이블정의(image labeling) 모서리검출(edge detection) 물체인식(object recognition) 결론적으로, Markov..

------------------------------------------------------------------------------------------- 3 방향성이 없는 그래프 (Undirected graph)에서 해당되는 해당되는 말이다 .

------------------------------------------------------------------------------------------- 1 set : 개념을 설명 할 때는 set 이지만, 이미지 처리 과정에서는 pixel 이 된다.2 각 숫자가 차수를 나타내며 , 해당 차수는 반경 안을 모두 포함한다 .

확률분포를 이용한 모델과 이론인 베이지안 모델과 이론에 대해 알아보도록 하자 Bayesian Model & Bayesian Theory 1) 18세기 영국의 수학자 토마스 베이즈(Thomas Bayes)가 도입. 2) 사전확률(Prior Probability) : 추가적 정보가 주워지기전의 정보 3) 사후확률(Posterior Probability) : 추가적 정보가 주워진 상태에서의 사전확률 조건부확률과 같음 4) 사전확륙과 사후확률을 알고 있다면 우도확률(Likehood Probability)을 구할 수 있다. 베이즈 정리는 조건부확률을 변형 시켜 도출되었기 조건부확률에 이해가 선행된다 !!두 확률 변수의 사전 확률과 사후 확률 사이의 관계를 나타내는 정리이다. 이해를 위해 예를 들어보자 즉 사건이 ..