مقايسه تحليلي دسته‌بندي كننده‌ها جهت تشخيص اشياء در دنباله‌اي از تصاوير دوربين

Compare analytical Classifiers are used to detect objects in a sequence of camera images

مسئله دسته‌بندي داده‌ها يكي از كاربردهاي اصلي داده‌كاوي مي‌باشد. مجموعه نمونه‌هايي كه هركدام متعلق به يك كلاس مشخص مي‌باشند، داراي برداري از ويژگي‌ها هستند. هدف ما در دسته‌بندي، ايجاد قانوني مي‌باشد كه نمونه تازه‌اي را كه فقط داراي برداري از ويژگي‌هايي است كه نمونه تازه را تعريف مي‌كند را به يك كلاس اختصاص بدهيم. دسته‌بندي كننده بيز ساده يك مسئله چند متغيري p بعدي را به تخمين p مسئله يك متغيره كاهش مي‌دهد. تخمين يك متغير، كاري ساده و آشنا است و به‌اندازه‌هاي كوچكي از مجموعه آموزشي براي به دست آوردن دقت تخمين نسبت به توزيع‌هاي چند متغيري نياز دارد. ما در اين مقاله ابتدا تئوري بيز را اجمالاً معرفي مي‌كنيم و سپس با معرفي دسته‌بندي كننده ساده بيز با استفاده از ابزار داده‌كاوي Orange مقايسه تحليلي اين روش را با هفت روش ديگر از روش‌هاي دسته‌بندي انجام خواهيم داد. ديتاست از قاب‌هاي 320*240 پيكسلي كه در برنامه MATLAB بر روي 400 قاب داده در محيط واقعي انجام‌شده، به‌دست‌آمده است.

One of the main applications of the category data is data mining. Examples of each of which belongs to a class are specified, a vector of features. Our target markets, create new law is an example that shows only the features that define the new sample to a class as well. Bayes classifier is simply a question of the next multi-variable p to estimate p is a variable decrease. Estimating a variable, something simple and familiar, and the small size of the training set to get an accurate estimate of the multivariate distribution needs. In this paper, we introduce the theory briefly and then introduced on the Naïve Bayes classifier using data-mining tool Orange compared analytical method with seven other method of clustering methods will do. Dataset of 320 x 240 pixel frames at 400 frames in the MATLAB software environment was obtained