De presentatie wordt gedownload. Even geduld aub

De presentatie wordt gedownload. Even geduld aub

Spatial classificatie Marlies Mooijekind. Overzicht n Spatial classificatie n Two-step methode: classificeert objecten in spatial database n Spatial classificatie.

Verwante presentaties


Presentatie over: "Spatial classificatie Marlies Mooijekind. Overzicht n Spatial classificatie n Two-step methode: classificeert objecten in spatial database n Spatial classificatie."— Transcript van de presentatie:

1 Spatial classificatie Marlies Mooijekind

2 Overzicht n Spatial classificatie n Two-step methode: classificeert objecten in spatial database n Spatial classificatie van images n Conclusies

3 Spatial classificatie n Classificatie: het toekennen van een een voorgedefinieerde klasse aan object op basis van zijn eigenschappen n Spatial classificatie: –geometrie –spatial relaties met andere objecten –eigenschappen van objecten in de buurt

4 Classificatieproces n Learning fase: bouw classifier m.b.v. eigenschappen learning set –classifier: decision tree, neurale netwerken n Test fase n Applicatie fase Close_to(x,water) Avg_income(x, LARGE) High_profit = N True False High_profit = Y

5 Algoritmen n Veel algoritmen n Verschillen in: –soort classifier –toepassing (fraude detectie, landgebruik etc.) –objecten die geclassificeerd worden Pixels in images Objecten in spatial database

6 n Objecten in spatial database: –object heeft non-spatial attributen en geometrisch attribuut n Two-step methode –vindt object beschrijvingen –maakt decision tree

7 Two-step methode n Object beschrijving: –non-spatial attributen, number of salespersons in a store –spatial gerelateerde attributen met non- spatial waarden, population living within 1km from store –spatial predikaten, close_to(X,sea) –spatial functies, driving_distance(x,sea) n Bouwt decision tree

8 Voorbeeld n Learning set: –5 objecten OID1,..,OID5 (winkels, winkelcentra) –class label high_profit: Y of N

9 Object beschrijving n Alleen relevante attributen, predikaten en functies gebruiken –versnelt bouwen decision tree –decision tree compacter en nauwkeuriger n Welke attributen, predikaten en functies zijn relevant ?

10 Selecteren predikaten/functies n Two-step methode –kies sample objecten uit learning set –eerste ruwe predikaten/functies vinden van sample objecten (bijv. m.b.v. MBRs) –relevante ruwe predikaten/functies extraheren –alleen relevante predikaten/functies in detail berekenen voor alle objecten in learning set

11 Extractie relevante predikaten/functies n Elke predikaat/functie initieel gewicht 0 n Update gewichten –Voor elk sample: nearest hit en nearest miss S Nearest miss Nearest hit

12 Extractie relevante predikaten/functies n Behoud alleen predikaten/functies met gewicht > threshold gebaseerd op statische methoden

13 Object beschrijvingen n Bereken relevante predikaten/functies in detail en generaliseer

14 Spatial gerelateerde attributen met non-spatial waarden n Geaggregeerde informatie

15 Spatial gerelateerde attributen met non-spatial waarden –hoe groot buffers –welk deel van object dat buffer snijdt meerekenen n Relevantie analyse n Geaggregeerde data generaliseren n Geaggregeerde attributen berekenen met buffers:

16 Object beschrijving Close_to(x,water) Avg_income(x, LARGE) High_profit = N True False High_profit = Y

17 Pixels in images n Veel methoden pixel-based n Sommige methoden segmentatie van images: –classificatie objecten = groepen van pixels n Experimenten: –subclassificatie m.b.v. geometrie (water in rivieren, kanalen, meren etc.)

18 Conclusies n Spatial classificatie: –non-spatial attributen –geometrie –spatial relaties tussen objecten –eigenschappen van buurobjecten n Classificatie van –objecten in spatial database: two-step methode –pixel in images: verder onderzoek nodig


Download ppt "Spatial classificatie Marlies Mooijekind. Overzicht n Spatial classificatie n Two-step methode: classificeert objecten in spatial database n Spatial classificatie."

Verwante presentaties


Ads door Google