G06F 18/27
Definition
Diese Klassifikationsstelle umfasst:Auf Regression basierende Mustererkennungsverfahren, d.h. statistische Verfahren zur Schätzung der Beziehungen zwischen einer abhängigen Variablen (oft als “Ergebnisvariable” [outcome variable] oder “Antwortvariable” [response variable] bezeichnet) und einer oder mehreren unabhängigen Variablen (oft als “Prädiktoren”, “Kovariaten” oder “erklärende Variablen” bezeichnet), wobei die Variablen die zugrundeliegenden Daten modellieren.
Gängige Formen der Regression sind:
- Lineare Regression - die Modellspezifikation besteht darin, dass die abhängigen Variablen eine lineare Kombination der Parameter sind (sie müssen jedoch nicht linear zu den unabhängigen Variablen sein). Ziel ist es, eine Linie (oder eine komplexere lineare Kombination) zu finden, die die Daten nach einem bestimmten mathematischen Kriterium (z.B. durch Minimierung des Least-Mean-Squares-Kriteriums) am besten beschreibt. Beispielsweise berechnet die gewöhnliche Methode der kleinsten Quadrate die einzige Linie (oder Hyperebene), die die Summe der quadratischen Differenzen zwischen den wahren Daten und dieser Linie (oder Hyperebene) minimiert;
- Nichtlineare Regression, z.B. polynomial, binomial, binär, logistisch, multinomial logistisch, usw.
Querverweise
Nichteinschränkende Querverweise in anwendungsorientierte Klassifikationsstellen
Erkennen oder Verstehen von Bildern oder Videos mittels Regression, z.B. durch Projektion von Merkmalen auf Hyperebenen
| G06V 10/766 |
Informative Querverweise
Komplexe mathematische Operationen zur Auswertung statistischer Daten
| G06F 17/18 |
Glossar
LMS
| Least Mean Squares
|
RANSAC
| RANdom SAmple Consensus - ein iterativer Algorithmus zur Anpassung eines linearen mathematischen Modells, wie z.B. einer Linie oder einer Ebene durch eine Menge von Punkten, indem der Einfluss von Ausreißern eliminiert wird.
|