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: