Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estimadores de Parzen
Este mtodo recopila informacin de cada uno de los prototipos y la misma es
representada en mediante una funcin ncleo. Esta, es una funcin centrada en el
m
punto Z i
que alcanza un mximo en l y que decrece montonamente
conforme la distancia
Un estimador de
( X , Z mi )
P ( Xwi )
se incrementa.
Ni
1
^
P ( Xwi )= ( X , Zim )
N i m =1
El estimador es la media de las aportaciones individuales obtenidas al evaluar la
funcin ncleo sobre los N i prototipos de esa clase.
La funciones ncleo a ser utilizadas son:
Ncleo Gaussiano
Para el caso unidimensional se utiliza la siguiente funcin:
^
P ( Xwi )=
1
Ni (2 )
Donde
Z mi j
Ni
[ (
m
1 X jZ i
exp
1
2
2 m=1
)]
2
( )
wi
de
Ncleo hipercbico
Es un estimador constante por tramos de la funcin de densidad y para
el caso unidimensional se utiliza la siguiente funcin:
[ ]
1
1
^
P ( Xwi )=
c
Ni 2
Donde
Z mi
X Zim X +
K vecinos ms prximos
Los K vecinos ms cercanos de un prototipo
crculo o hiperesfera con centro en
(X)
estarn localizados en un
Experimentos
Se estim la densidad de probabilidad para el siguiente conjunto de patrones
dispuestos en dos clases
Figura 1 Prototipos unidimensionales
Ejemplo 1
Ncleo hipercbico con ancho
=5
Ejemplo 2
Ncleo gaussiano con ancho
=3
Figura 3 Ejemplo 2
Ejemplo 3
Se realiz la estimacin de la densidad de probabilidad de un conjunto de
patrones bidimensionales empleando un conjunto de aprendizaje con 100
prototipos de una nica clase.
Para este ejemplo se emple el ncleo hiperresfrico con ancho
=20
y se
[ ]
100
100
256 179,2
179,2 256
Ejemplo 4
Ncleo gaussiano y ncleo hipercbico con ancho
=1
=7 .
Ejemplo 5
Comparacin entre el ncleo de Parzen y los K vecinos ms cercanos. Para este
caso se calcul la funcin de densidad con K=3 , K=5 y K=7 , comn
para las dos clases de prototipos unidimensionales.
En este caso, dado un patrn cualquiera
considerado.
2. La longitud del intervalo que los contiene. Ser el doble de la distancia de
X al tercer vecino ms cercano (depende de X ).
3. Se divide entre el producto
densidad de probabilidad de