Nachdem über die Clusteralgorithmen von 1.3 die 
t Musterklassen Ki i= 1,2, ... , t als Náherung 
der Muster mi, i = 1,2,..., t festliegen, wird ein zu- 
nüchst unbekannter Bildpunkt g = s (x,y,*) mit Hilfe 
von geeigneten Zuordnungskriterien (Klassifikatoren) 
einer der t Musterklassen zugeordnet. 
Diese Arbeit beschäftigt sich mit der Beschreibung, der Darstellung 
der Ergebnisse und dem Vergleich verschiedener Klassifizierungsver- 
fahren. 
2. KLASSIFIKATOREN 
  
2.1 Minimum-Distance-Klassifikator 
Die Bildpunkte g der Szene S werden als Puntke des N-dimensionalen, 
euklidischen Raumes angesehen. Es wird vorausgesetzt, daß die 
Cluster der Musterklassen ein deutliches Häufungszentrum haben. 
Als erste Diskussionsgrundlage lautet die Klassenzuordnungsvor- 
schrift: 
der Bildpunkt g wird der Musterklasse ky zugewiesen, 
an der er am nächsten liegt. 
Zur mathematischen Realisierung der Formulierung "am nächsten 
liegt" wird zu jeder der t Müsterklassen ki ein ausgezeichneter 
Bildpunkt z, als Repräsentant bestimmt. Als z, Repräsentant kann 
z.B. der Mittelwertsvektor der Musterklasse ki verwendet werden. 
Als Abstandskriterien di eines Bildpunktes g ‚vom Repräsentanten Z; 
der Musterklasse ki wird der euklidische Abstand 
à -[lq-z:4Ge-72z)&g-z? 
i 1” ZU g 2:97 2$ 
verwendet. 
Damit lautet der Algorithmus und die Klassenzuordnung: