Mahalanobis Distance is similar to

Mahalanobis Distance is similar to Minimum Distance, except that the covariance matrix is used in the equation. Variance and covariance are figured in so that clusters that are highly varied lead to similarly varied classes, and vice versa. For example, when classifying urban areas—typically a class whose pixels vary widely—correctly classified pixels may be farther from the mean than those of a class for water, which is usually not a highly varied class ( Swain and Davis, 1978).

Mahalanobis Distance algorithm assumes that the histograms of the bands have normal distributions. If this is not the case, you may have better results using Parallelepiped or Minimum Distance decision rule, or by performing a first-pass parallelepiped classification.

ผลลัพธ์ (ไทย) 1:

ระยะทาง Mahalanobis จะคล้ายกับระยะทางต่ำสุด ยกเว้นที่ใช้ในสมการเมตริกซ์แปรปรวน ผลต่างและแปรปรวนคิดในเพื่อที่คลัสเตอร์ที่แตกต่างกันนำไปสู่การเรียนในทำนองเดียวกันแตกต่างกัน และในทางกลับกัน ตัวอย่างเช่น เมื่อแบ่งประเภทพื้นที่เมือง — โดยทั่วไปคลาพิกเซลแตกต่างกัน — พิกเซลจัดอย่างถูกต้องอาจจะไกลจากเฉลี่ยกว่าของชั้นน้ำ ซึ่งโดยปกติจะไม่มีสูงเรียน (Swain และเดวิส 1978)ขั้นตอนวิธี Mahalanobis สันนิษฐานว่า ฮิสโตแกรมของวงดนตรีที่มีการกระจายปกติ ถ้าไม่เป็นกรณีนี้ คุณอาจได้ดีกว่าใช้ Parallelepiped หรือระยะทางต่ำสุดกฎตัดสินใจ หรือทำการจัดประเภท parallelepiped ผ่านแรก

ผลลัพธ์ (ไทย) 2:

Mahalanobis ระยะทางคล้ายกับระยะทางขั้นต่ำยกเว้นว่าเมทริกซ์ความแปรปรวนที่ใช้ในสมการ ความแปรปรวนและความแปรปรวนจะคิดในเพื่อให้กลุ่มที่มีสารตะกั่วที่แตกต่างกันอย่างมากในการเรียนที่แตกต่างกันในทำนองเดียวกันและในทางกลับกัน ตัวอย่างเช่นเมื่อการจำแนกพื้นที่โดยปกติจะเป็นเมืองชั้นที่มีพิกเซลแตกต่างกันไปอย่างกว้างขวางอย่างถูกต้องพิกเซลทั้งหมดอาจจะไกลจากค่าเฉลี่ยกว่าผู้ที่มีระดับน้ำซึ่งมักจะไม่ได้เป็นระดับที่แตกต่างกันอย่างมาก (คู่รักและเดวิส, 1978).

Mahalanobis ขั้นตอนวิธีการทางอนุมานว่า histograms ของวงดนตรีที่มีการแจกแจงปกติ ถ้าไม่ได้เป็นกรณีที่คุณอาจจะมีผลดีกว่าการใช้ parallelepiped หรือกฎการตัดสินใจขั้นต่ำระยะทางหรือโดยการดำเนินการจัดหมวดหมู่ parallelepiped แรกผ่าน

ผลลัพธ์ (ไทย) 3:

mahalanobis ระยะทางคล้ายกับระยะทางขั้นต่ำ ยกเว้นว่า ความแปรปรวนเมทริกซ์ที่ใช้ในสมการ ความแปรปรวนและความแปรปรวนร่วมจะคิด แล้วกลุ่มนั้นมีความหลากหลายสูง ทำให้เหมือนกับหลากหลายชนชั้น และในทางกลับกัน ตัวอย่างเช่น เมื่อจำแนกพื้นที่เมืองโดยทั่วไปเป็นห้องที่มีพิกเซลที่แตกต่างกันอย่างกว้างขวางอย่างถูกต้องตามพิกเซลอาจจะไกลจากค่าเฉลี่ยสูงกว่าระดับของน้ำซึ่งมักจะไม่ได้เป็นคลาสที่แตกต่างกันอย่างมาก ( สเวน และ เดวิส , 1978 )ขั้นตอนวิธี mahalanobis ระยะทางถือว่า ฮิสโตแกรมของกลุ่มมีการแจกแจงปกติ ถ้ากรณีนี้ไม่ได้ คุณอาจได้ผลลัพธ์ที่ดีกว่าการใช้ทรงสี่เหลี่ยมด้านขนาน หรือระยะต่ำสุดของกฎการตัดสินใจ หรือ โดยการแรกผ่านทรงสี่เหลี่ยมด้านขนานการจำแนกประเภท