HOME - PATTERN EXPERT HOME - PATTERN EXPERT
     
  
   english  

Training


Organizer : Additional Features

Beim Antrainieren des Systems werden alle Parameter, die zu einer Unterscheidung der Spektren in die gegebenen Klassen notwendig sind, automatisch ermittelt und optimiert. Das Ergebnis ist ein sogenanntes "Recognition Module", mit dessen Hilfe später neue, unbekannte Spektren klassifiziert werden, das heißt der entsprechenden Klasse zugeordnet werden können.

Das Training teilt sich in zwei Schritte: Anlernen und Klassifizieren.



1. Anlernen (Learning)

Beim Anlernen werden alle Spektren zur gleichen Zeit angelernt. Dabei ermittelt das Programm die Merkmale der einzelnen Spektren der jeweiligen Klassen.
Es werden die Bereiche der Spektren errechnet, die für eine Unterscheidung in die Klassen interessant sein könnten. Diese werden "Region Of Interest (ROI)" genannt. Für jedes der Spektren wird ein Wert für jeden ROI ermittelt.
Hinzukommen können je nach verwendetem Verfahren noch Abstände zu den Klassenmitteln jeder Klasse. Nach dieser Berechnung selektiert airspect SRS vollautomatisch die wichtigsten Merkmale heraus.



2. Klassifizieren (Classification)

Als Klassifikatoren stehen der einfache, schnelle "Nearest Centroid Classifier" sowie künstliche Neuronale Netze mit und ohne Hidden Layer mit meist besserer Vorhersagequalität zur Verfügung. Die Parameter der Neuronalen Netze sind ebenfalls zu optimieren, was hier in diesem Schritt geschieht.
Der Nutzer kann zwischen 3 verschiedenen Klassifizierungsverfahren wählen:

  • allgemeines Klassifizieren
  • Clustern
  • Regression



Das Testen der verschiedenen Verfahren macht dabei viel Spaß und weckt den Ergeiz immer noch ein wenig besser zu werden. Außerdem entstehen dabei auch wichtige Hinweise auf das Klassifikationsverhalten Ihrer Spektren.
Aus den Zuordnungstabellen, die während der Prozesse entstehen, können Sie ablesen, welche Spektren oft Probleme bei der richtigen Zuordnung bereitet haben und können diese nochmals genau untersuchen. Oft stellt sich heraus, dass diese besonders verrauscht sind oder eventuell sogar im Vorfeld einer falschen Klasse zugeordnet worden sind.


<< Zusätzliche Daten Relevante Spektralbereiche >>


 
 

        : Home :: Firma :: Kompetenzfelder :: Impressum :: Sitemap :