Académique Documents
Professionnel Documents
Culture Documents
Ralispar:
M.KHALEDMESSAOUDI
messaoudi.khaled.dz@gmail.com
Reconnaissance de formes
Reconnaissance de formes
Reconnaissance de formes
=
1
N
x
(p
k
)
N
k=1
i = 1: J
La distance euclidienne dun point P
x
par rapport au centre (P
ccntc
) de la classe w est
donne par :
J(P
x
, P
ccntc
) = _(x
-x
(ccntc)
)
2
d
=1
2
= P
x
- P
ccntc
Transformation du vecteur de distance en un vecteur de probabilit :
P [
w
P
x
, =
c
-d(P
x
,P
ccntrcWi
)
c
-d(P
x
,P
ccntrcW]
)
]=9
]=0
La distance J(P
x
, P
ccntcw
) est minimale la probabilit P [
w
P
x
, est maximale.
Reconnaissance de formes
_ ] A:cc _
i = 1: m
] = 1: p
m Reprsente le nombre de formes de la base de test,
p Reprsente le nombre de classes (10).
4.2 Calcul des taux de reconnaissance top1, top2 et top3 et lerreur
Enfin aprs avoir calcul la matrice de probabilit H par la mthode prcdente, on trie
les vecteurs de probabilits H
,:
1
dans un ordre dcroissant associs chacune des formes
reconnaitre (dans la base de test).
On prend les trois premires probabilits du chaque vecteur H
,:
t
1
et on cherche les
classes associes ces trois probabilits dans le vecteur initial (H
,:
1
), puis on compare ces
classes la classe fournie par Icst. lobcl(i), en faisant ces trois comparaisons (dans lordre) on
dcide de la manire suivante :
- Si le 1
er
test est VRAI alors le top1 est incrment
- Si le 1er OU le 2
me
test est VRAI alors le top2 est incrment
- Si le 1
er
OU le 2
me
OU le 3
me
test est VRAI alors le top3 est incrment SI_NON
lerreur est incrmente.
Les calculs expliqus brivement en 4.1 et 4.2 sont assurs pas la fonction classificentreclasse(..)
suivante :
f unct i on f = cl assi f i cent r ecl asse( base_t est _f i l e, base_app_f i l e, . . .
l abel _app_f i l e, l abel _t es_f i l e)
%%Char gement de f i chi er s. . .
Test = l oad( st r cat ( ' . \ Resul t at \ ' , base_t est _f i l e) , ' DATA' ) ;
Base = l oad( st r cat ( ' . \ Resul t at \ ' , base_app_f i l e) , ' DATA' ) ;
l abel _ap = l oad( st r cat ( ' . \ Resul t at \ ' , l abel _app_f i l e) ) ;
l abel _t es = l oad( st r cat ( ' . \ Resul t at \ ' , l abel _t es_f i l e) ) ;
%%I ni t i al i zi ng. . .
d = l engt h( Base. DATA( 1, : ) ) ;
Wcent r e = zer os( 10, d) ;
Echan_t est = l engt h( Test . DATA) ;
PWx = zer os( Echan_t est , 10) ;
TOPCLASSI F1 = zer os( 4, 1) ;
%%Cal cul des Cent r es des Cl asses. . .
f or i = 0: 9
k = f i nd( l abel _ap. l abel == i ) ;
Wcent r e( i +1, : ) = mean( Base. DATA( k( 1: end) , : ) ) ;
end
%%Cal cul de l a Mat r i ce de pr obabi l i t Pwx. . .
f or k = 1: Echan_t est
f or i =1: 10
PWx( k, i ) = exp( - nor m( Test . DATA( k, : ) - Wcent r e( i , : ) , 2) ) ;
end
PWx( k, : ) = PWx( k, : ) / sum( PWx( k, : ) ) ;
Reconnaissance de formes
4.6 Conclusion
Reconnaissance de formes
- P
]
[ A:cc _
i = 1: H
] = 1: N
4.2 Calcul de la matrice de probabilits :
On calcule pour chaque forme de la base de test son vecteur de probabilits apriori
dappartenance chacunes des p classes avec la relation suivante :
P [
w
P
x
, =
k
K
A:cc i = 1: p
O k
et K le nombre de voisins.
La matrice de probabilit H
M,p
(R) :
o
]
= P _
w
]
P
_ ] A:cc _
i = 1: H
] = 1: p
Calcul des taux de reconnaissance en top1, top2 et top3 et derreur
Dans ce cas il faut avoir au minimum un K >= 6,
Algorithme :
- On constitue un vecteur de probabilits I
p
partir du classement descendant des
probabilits non nulles de la ligne i de M,
- Initialisation dune variable erreur = 0
Si I
p
(1) cst uniquc alors top1 est incrment
Si I
p
(2) cst uniquc alors top2 est incrment
Si I
p
(S) cst uniquc alors top3 est incrment
Reconnaissance de formes
Reconnaissance de formes
P
x
, =
P
1
[
w
P
x
, + P
2
[
w
P
x
,
P
1
_
w
]
P
x
_ ] + P
2
_
w
]
P
x
_ ]
]=9
]=0
Pp [
w
P
x
, =
P
1
[
w
P
x
, P
2
[
w
P
x
,
P
1
_
w
]
P
x
_ ] P
2
_
w
]
P
x
_ ]
]=9
]=0
Les algorithmes de calcul des tops 1, 2 et 3 sont les mme utiliss prcdemment.
- Pour loperateur somme on utilise celui du premier classifieur,
- Pour loperateur produit on utilise celui du deuxime classifieur.
f unct i on Combi n_Cl assi f i eur ( PWx_Fi l e, PWxKpppv_Fi l e, l abel _t es_f i l e)
Wx = l oad( st r cat ( ' . \ Resul t at \ ' , PWx_Fi l e) ) ;
WxKppv = l oad( st r cat ( ' . \ Resul t at \ ' , PWxKpppv_Fi l e) ) ;
Test _l abel = l oad( st r cat ( ' . \ Resul t at \ ' , l abel _t es_f i l e) ) ;
N = l engt h( Wx. PWx) ;
Wsomme = zer os( N, 10) ;
Wpr od = zer os( N, 10) ;
TOPCLASSI F1 = zer os( 4, 1) ;
TOPCLASSI F2 = zer os( 4, 1) ;
f or i =1: N
f or k = 1: 10
Wsomme( i , k) = Wx. PWx( i , k) + WxKppv. PwxKppv( i , k) ;
Wpr od( i , k) = Wx. PWx( i , k) *WxKppv. PwxKppv( i , k) ;
end
Wsomme( i , : ) = Wsomme( i , : ) / sum( Wx. PWx( i , : ) + WxKppv. PwxKppv( i , : ) ) ;
Wpr od( i , : ) = Wpr od( i , : ) / sum( Wx. PWx( i , : ) . *WxKppv. PwxKppv( i , : ) ) ;
%%l es t ops de l a somme des pr oba. . .
D = sor t ( Wsomme( i , : ) , ' descend' ) ;
D = D( 1: 3) ;
El ement = Test _l abel . l abel ( i ) ;
%%%%TOP 1
i f ( El ement == ( f i nd( Wsomme( i , : ) == D( 1) , 1, ' f i r st ' ) - 1) )
TOPCLASSI F1( 3, 1) = TOPCLASSI F1( 3, 1) + 1;
end
%%%%TOP 2
i f ( ( El ement == f i nd( Wsomme( i , : ) == D( 1) , 1, ' f i r st ' ) - 1) | | . . .
( El ement == f i nd( Wsomme( i , : ) == D( 2) , 1, ' f i r st ' ) - 1) )
TOPCLASSI F1( 2, 1) = TOPCLASSI F1( 2, 1) + 1;
end
%%%%TOP 3
i f ( ( El ement == f i nd( Wsomme( i , : ) == D( 1) , 1, ' f i r st ' ) - 1) | | . . .
( El ement == f i nd( Wsomme( i , : ) == D( 2) , 1, ' f i r st ' ) - 1) | | . . .
Reconnaissance de formes