Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Cap8 ReconocimientoPatrones
Cap8 ReconocimientoPatrones
Reconocimiento De Patrones
x1 x13
x4 x10
x2 x5 x7 x8 x9 x11 x14
x6 x12
x3 x15
x1 x13
Cluster
x4 2 x10
x2 x5 x7 x8 x9 x11 x14
x6 x12
x3 x15
Cluster
1
Figura 8.4. Clasificación “crisp” de la mariposa
0.7 0.2
0.7 0.2
0.75 0.01
indicador u S j ( x ) : X → {0,1} .
∑a
i =1
ij = 1 ∀ j=1...n (exp 2)
n
0 ≤ ∑ aij ≤ n ∀ i=1...c (exp 3)
j =1
x1 x 2 x3
U = 1 1 0 (exp 4)
0 0 1
x1 x 2 x3
U = 0 1 0 (exp 5)
1 0 1
∑ a~
i =1
ij = 1 ∀ j=1...n (exp 7)
n
0 ≤ ∑ a~ij ≤ n ∀ i=1...c (exp 8)
j =1
x1 x2 x3
U% = 1 0,8 0,3 (exp 9)
0 0,2 0,7
Podemos medir la similitud entre los elementos de X y los centros de los cluster
a través de una norma vectorial general. Sea esta ⋅ G . Con ella es posible plantear
el proceso de clasificación como un problema de optimización, en el cual
buscamos la partición que minimice esta medida de distancia entre los
elementos xk y los centros de los clusters. La idea es que los elementos que
pertenecen a un determinado cluster deben estar lo más cerca posible de los
centros de estos clusters, y lo más alejados del centro de otros clusters. De ahí
que ubicarlos en un determinado cluster es un problema de escoger la partición
adecuada. Luego, podemos enfrentar el problema como un proceso de
optimización en búsqueda de la partición óptima.
min d U , {v j }j =1 ( c
) (exp 11)
Como una forma de estimar el valor de los centros de los clusters se calcula
cada v j como el promedio de los valores de los elementos que pertenecen al
cluster j. Para obtener este promedio sumamos los valores de los elementos que
pertenecen al cluster y lo dividimos por el número de elementos del cluster, es
decir, por la cardinalidad del subconjunto S j , como se ve en la expresión 12.
1
vj =
Sj
∑x
xk ∈S j
k para j = 1, K , c (exp 12)
( )
d U , {v j }j =1 = ∑∑ aij xi − v j
c n
c
min (exp 13)
G
j =1 i =1
n
1
vj = n ∑a ij ix para j = 1K c (exp 14)
∑a
i =1
ij
i =1
= Y T ⋅ G ⋅Y
2
Y G
(exp 15)
2) Caso Difuso:
( )
min d U~, {v j }j =1 = ∑∑ (a~ij ) xi − v j
c n
c m
(exp 16)
G
j =1 i =1
∑ (a~ )
n
1
vj = para j = 1K c
m
n ij xk (exp 17)
∑ a~ij
i =1
i =1
1
1 m−1
xi − v j
a~ij = G
1
para j = 1K c , i = 1K n (exp 18)
c m−1
1
∑j =1
x − v
i j G
b) Calcular {v j }j =1 con los valores de U~k , utilizando la expresión 17. Sean estos
c
valores {v (jk ) }j =1 .
c
c) Calcular U~k +1 con los valores de {v (jk ) }j =1 y las ecuaciones de la expresión 18,
c
1 j = i
siempre que xi ≠ v (kj ) . Si xi = v (kj ) , entonces a~ij =
0 j ≠ i
d) Con una norma matricial , calcular ∆ = U &&&k +1 − U~k Si ∆ > ε , se asigna
M M
k = k + 1 y se vuelve al punto b) de este proceso. Si ∆ < ε , se detiene el proceso.
Siendo ε el criterio definido para detener el proceso.
1,00
0,00
1,00 0,00
0,99 0,01
0.86 0.14
0.94 0.6
0.94 0.06
0.86 0.14