Pengenalan Pola/ Pattern Recognition

Ukuran: px

Mulai penontonan dengan halaman:

Download "Pengenalan Pola/ Pattern Recognition"

Yanti Inge Salim
6 tahun lalu
Tontonan:

1 Pengenln Pol/ Pttern Recognton Byesn Decson Theory Imm Cholssodn S.S., M.Kom.

2 Klsfks 1 1. Teor Keputusn Byes Keputusn ddukung probblts posteror Keputusn mempertmbngkn Rsk/Cost 2. Fse Trnng & Testng Dt Unvrte Norml Dstrbuton Multvrte Norml Dstrbuton 3. Lthn & Tugs

3 Prosedur Keputusn Byes Prosedur pengenln pol dn pengmbln keputusn subects Observbles X Fetures Inner belef w Acton X --- semu dt observs menggunkn sensors dn nstruments yng tersed --- merupkn hmpunn ftur yng dplh dr komponen X, tu fungs lner dr X. w --- dlh nner belef/percepton tentng subect dr kels/group/ktegor. --- dlh ks/keputusn yng kt mbl untuk. Dr prosedur tersebut ddptkn defns dr 3 rung vektor sebg berkut: d, w C, α α ( 1, 2,..., w dlh nde kels, d dlh vectordn d menytkn bnyk ftur C { w, w 1 2,..., w k } dn C menytkn bnyk kels

4 Contoh Klsfks Ikn X=I dlh Imge/ ctr kn, =(brghtness, length, fn,. w merupkn tngkt kepercyn kt bhw tpe kn tersebut dlh c ={ se bss, slmon, trout, } merupkn keputusn tpe kn, pd ksus n c = ={ se bss, slmon, trout, } Dgnoss Meds X= semu hsl test meds, ctr hsl scn =(blood pressure, glucose level, cough, - ry. w merupkn tpe skt yng ddert c ={ Flu, cold, TB, pneumon, lung cncer } merupkn keputusn untuk penngnn yng dberkn pd psen, ={ Tylenol, Hosptlze, }

5 Fokus Metode subects Observbles X Fetures Inner belef w Decson control sensors selectng Informtve fetures sttstcl nference rsk/cost mnmzton Pd teor keputusn Byes, kt perhtkn tg lngkh terkhr yng mengsumskn bhw observs telh dlkukn dn ftur telh dplh sebelumny.

6 Keputusn Byes Keputusn kn dbut ketk semu dstrbus dr probblts dr dt dkethu, Sehngg keputusn kn mend optml ketk dstrbus dt dkethu. Mslkn untuk ksus du kels yng telh terdefns : w 1 dn w 2 Probblts Pror untuk dt observs bru yng belum dkethu ddefnskn dengn : w 1 : probblts observs dt bru dr clss 1 w 2 : probblts observs dt bru dr clss 2 w 1 + w 2 = 1 Probblts tersebut mencermnkn pengethun sebelumny. Aturn keputusn untuk obek bru ( : Obek kn dklsfkskn sebg clss 1 Jk w 1 > w 2 dengn syrt bhw tdk d ftur yng bs dgl dr obek bru tersebut.

7 Teor Keputusn Byes Fetures sttstcl Inference Inner belef p(w rsk/cost mnmzton Decson ( Two probblty tbles:. Pror p(w b. Lkelhood p( w A rsk/cost functon (s two-wy tble l( w Tngkt kepercyn terhdp clss w dhtung menggunkn turn Byes : p( w p( w p( w p( Tngkt resko dhtung dengn : k l( w p(w 1 R(

8 Teor Keputusn Byes Kt mendefnskn ftur untuk setp obek dengn : w 1 & w 2 : clss-specfc densty (Probblts kodsonl obek ( terhdp kels (w / Lkelhood Aturn Byes:

9 Aturn Keputusn Aturn keputusn merupkn fungs mppng dr rung ftur ke hmpunn keputusn yng kn dmbl (: d Keputusn yng ck (rndom tdk kn optml Keputusn yng dbut berdsrkn fungs yng memnmlkn resko / verge cost R R( ( p( Fungs tersebut kn mnml ketk keputusn yng kt mbl dbut untuk memnmlkn cost /resko untuk setp nstnce/dt d ( rg mn R( rg mn l( w k 1 p( w

10 Byessn Error Pd ksus khusus, sepert klsfks kn, ks yng dmbl dlh klsfks yng dsumskn eror : 0/1 Resko klsfks ke clss dlh, Keputusn optml dlh memlh clss yng memlk probblts posteror mmum Totl resko untuk turn keputusn (Byesn error w f w w f w l l 1 ( 0 ( ( 1 p(w ( w p R ( rg m ( rg mn (1 ( p p d p p d p error p error p R ( ( ( (1 ( ( (

11 Fse Dt Trnng Contoh Dtset (Ikn Slmon & Se Bss : (Msl hny menggunkn 1 ftur, ytu Wdth menggunkn konsep Rsk/ Cost. No (Wdth sebg Ftur 1 Kels 1 9 Slmon 2 11 Se Bss 3 9 Se Bss 4 12 Slmon..... M 15 Se Bss

12 Fse Dt Trnng Contoh Dtset (Smurf or Troll : (Msl hny menggunkn 1 ftur, ytu Heght menggunkn konsep unvrte norml dstrbuton. Heght Creture 2.70 Smurf 2.52 Smurf 2.57 Smurf 2.22 Smurf 3.16 Troll 3.58 Troll 3.16 Troll Jk Heght = 2, tentukn kels Cretureny!

13 Fse Dt Trnng Contoh Dtset (Smurf or Troll : (Msl hny menggunkn 1 ftur, ytu Heght menggunkn konsep unvrte norml dstrbuton. Lngkh-lngkh penyelesn : 1. Menghtung STD dr trolls dn smurfs.

14 Fse Dt Trnng Contoh Dtset (Smurf or Troll : (Msl hny menggunkn 1 ftur, ytu Heght menggunkn konsep unvrte norml dstrbuton. Lngkh-lngkh penyelesn : 2. Menghtung Prob. Lkelhood dr trolls dn smurfs.

15 Fse Dt Trnng Contoh Dtset (Smurf or Troll : (Msl hny menggunkn 1 ftur, ytu Heght menggunkn konsep unvrte norml dstrbuton. Lngkh-lngkh penyelesn : 3. Menghtung Prob. Pror dr trolls dn smurfs. 4. Sehngg ddptkn Prob. Posteror berkut : dn Jk smurf 2 > troll 2 mk Heght = 2 msuk kels Smurf. Dn seblkny.

16 Fse Dt Trnng Jk fturny lebh dr stu, mk dpt dgunkn : Teor Pelung Bs : Contoh : Ftur(R,T,D Kels(C : rsh (R, temperture (T, dzzy(d. : 1 tu 0. (Terdpt 40 dt trnng Fse Trnng : (Merngks dt trnng sesu dengn frekuens

17 Fse Dt Testng Jk fturny lebh dr stu, mk gunkn : Teor Pelung Bs : Fse Testng : Dt u 1 = ( = ( = (0 1 0 Klsfks ddsrkn pd penghtungn probblts posteror. Mslkn : Jk C = 1 X > C = 0 X mk C = 1 Jk tdk, mk C = 0.

18 Fse Dt Trnng Jk fturny lebh dr stu, mk gunkn : Dstrbus Norml multvrte No (Wdth sebg Ftur ke-1 (Lghtness Sebg Ftur ke-2 Kels Slmon Se Bss Se Bss Slmon..... M Se Bss

19 Fse Dt Trnng Jk fturny lebh dr stu, mk gunkn : Dstrbus Norml multvrte (Dt Kontnyu : Contoh : Curvture Dmeter Qulty Control Result Pssed Pssed Pssed Pssed Not pssed Not pssed Not pssed Jk dkethu Curvtur Chp Rng = 2.81 dn Dmeter Chp Rng = 5.46 mk, Tentukn kels Qulty Control Result-ny?

20 Fse Dt Trnng Jk fturny lebh dr stu, mk gunkn : Dstrbus Norml multvrte (Dt Kontnyu : Fse Trnng : X = fetures (vrbles ndependent Y = Kels/ Group (vrbles dependent 1. Lbelng Dtset : 2. Memshkn berdsrkn group :

21 Fse Dt Trnng Jk fturny lebh dr stu, mk gunkn : Dstrbus Norml multvrte (Dt Kontnyu : Fse Trnng : X = fetures (vrbles ndependent Y = Kels/ Group (vrbles dependent 3. Htung μ = men fetures dr group dn μ = men globl 0 4. Htung (Men Corrected : ( mnus men globl

22 Fse Dt Trnng Jk fturny lebh dr stu, mk gunkn : Dstrbus Norml multvrte (Dt Kontnyu : Fse Trnng : 5. Htung mtrk Kovrn group

23 Fse Dt Trnng Jk fturny lebh dr stu, mk gunkn : Dstrbus Norml multvrte (Dt Kontnyu : Fse Trnng : 6. Htung Lkelhood dr Curvtur = 2.81 dn Dmeter = 5.46 : Sehngg ddpt nl p(2.81,5.46 Pssed dn p(2.81,5.46 Not_pssed

24 Fse Dt Trnng Jk fturny lebh dr stu, mk gunkn : Dstrbus Norml multvrte (Dt Kontnyu : Fse Trnng : 7. Jd Prob. Posteror Curvtur = 2.81 dn Dmeter = 5.46 dlh sbb : Probblts Pror : p(pssed = 4/7 dn p(not_pssed = 3/7 p( Pssed 2.81,5.46 p(2.81,5.46 Pssed p( Pssed p(2.81,5.46 p(not _ pssed 2.81,5.46 = p(2.81,5.46 Not _ pssedp(not _ Pssed p(2.81, 5.46 Jk p(pssed 2.81,5.46 > p(not_pssed 2.81,5.46, mk Curvtur = 2.81 dn Dmeter = 5.46 msuk kels Pssed.

By/Cost k hsl klsfksny dlh kn slmon, tp sebenrny kn tersebut dlh kn se bss sebesr λ(a 2 ω 2 = $2, dn By k hsl klsfksny dlh kn Se Bss, tp sebenrny kn tersebut dlh Slmon sebesr λ(a 1 ω 1 = $1.

25 Lthn 1 Perhtkn grfk dstrbus pd proses klsfks kn Se Bss (ω 2 dn kn Slmon (ω 1. A 1 : Memberkn hsl keputusn bhw kn yng du cob dlh termsuk kels kn Se Bss. A 2 : Memberkn hsl keputusn bhw kn yng du cob dlh termsuk kels kn Slmon. Probblts Pror kn Se Bss dn Slmon msng-msng ω 2 = 2/3 dn ω 1 = 1/3. By/Cost k hsl klsfksny dlh kn slmon, tp sebenrny kn tersebut dlh kn se bss sebesr λ(a 2 ω 2 = $2, dn By k hsl klsfksny dlh kn Se Bss, tp sebenrny kn tersebut dlh Slmon sebesr λ(a 1 ω 1 = $1. Tentukn hsl keputusn klsfks k nput = 13, dmn probblts lkelhoodny msngmsng ω 1 = 0,28 dn ω 2 = 0,17 dengn pertmbngn Cost/ Resko yng d! Penyelesn : Dkethu : ω 1 Kels Slmon ω 2 Kels Se Bss A 1 Decde Input s Se Bss A 2 Decde Input s Slmon λ(a 2 ω 2 = $2 dn λ(a 1 ω 1 = $1 l( A w 0 stunby k A w ( mengrhpdkels yng sm l( A w 0 stunby k A w ( mengrhpdkels yngberbed

26 Lthn 1 (Cont. Jwb : w1 w1 w1 (0,28(1/ 3 w1 w1 w2 w2 0,0924 0,0924 0,1139 w2 w2 w2 (0,17(2/3 w1 w1 w2 w2 (Menghtung Probblts Posteror (0,28(1/ 3 ((0,28(1/3 ((0,17(2/3 (0,17(2/3 ((0,28(1/3 ((0,17(2/3 0,1139 0,0924 0,1139 0,0924 0,2063 0,1139 0,2063 0,4479 0,5521 R( A (Menghtung Rsk/Cost 2 l( A w w 1 (2 menytknbnyknykels R( A l( A2 w1 w1 l( A2 w2 w2 2 (($ 0(0,4479 $ 0 $1,1042 $1,1042 (($2(0,5521 R( A l( A1 w1 w1 l( A1 w2 w2 1 (($ 1(0,4479 (($0(0,5521 $ 0,4479 $0 $0,4479 Keputusn dlht dr nl : ( rg mn R( A Melht nl by resko dr R(A 1 < R(A 2, mk = 13 msuk kels Se Bss.

27 Seles

dokumen-dokumen yang mirip

Pemain P 1. Teorema 4.1 (Teorema minimax). Untuk setiap matriks pembayaran (pay off matrix), terdapat strategi optimal x* dan y* sedemikian sehingga

Pemain P 1. Teorema 4.1 (Teorema minimax). Untuk setiap matriks pembayaran (pay off matrix), terdapat strategi optimal x* dan y* sedemikian sehingga Rset Opers Probblstk Teor Permnn (Gme Theor) Deprtement of Mthemtcs FMIPA UNS Lecture 4: Med Strteg A. Metode Cmpurn (Med Strteg) D dlm permnn d mn permnn tersebut tdk mempun ttk peln, mk pr pemn kn bersndr