Klassifizierung im Allgemeinen, d.h. Identifizierung der Kategorie oder der Gruppe von Kategorien (Klassen), zu der neue Daten oder eine aus ihnen abgeleitete andere Darstellung gehören, auf der Grundlage eines Trainingssatzes von Daten, der Beobachtungen (oder Instanzen) enthält, deren Zugehörigkeit zu einer Kategorie bekannt ist. Häufig werden die einzelnen Beobachtungen in eine Reihe quantifizierbarer Eigenschaften zerlegt, die als erklärende Variablen oder Merkmale bezeichnet werden. Diese Eigenschaften können Kategorien, Ordnungszahlen, ganzzahlige Werte, reelle Werte usw. sein. Andere Klassifikatoren führen eine Klassenzuordnung durch, indem sie aktuelle Beobachtungen mit früheren Beobachtungen anhand einer Ähnlichkeits- oder Abstandsfunktion vergleichen.
Ein Klassifikator kann parametrisch oder nicht-parametrisch sein, je nachdem, welches Modell für die Beobachtungen verwendet wird.
Zu den Klassifizierungsalgorithmen gehören solche, die:
Betrachtet man die Entscheidungsfläche des Klassifikators, so kann es sich um einen linearen oder nichtlinearen Klassifikator handeln. Lineare Klassifikatoren modellieren die Grenzen zwischen verschiedenen Klassen im Merkmalsraum als Hyperebenen. Nichtlineare Klassifikatoren verwenden stattdessen z.B. quadratische, polynomiale oder hyperbolische Funktionen.
Wiederauffinden von Informationen bezüglich Einzelbilddaten; Clusteranalyse; Klassifizierung | G06F 16/55 |
Wiederauffinden von Informationen bezüglich Videodaten; Clusteranalyse; Klassifizierung | G06F 16/75 |
Erkennen oder Verstehen von Bildern oder Videos mittels Klassifizierung | G06V 10/764 |