タグ付けされた質問 「pattern-recognition」

特定のクラスの検出器では、データは2次元のポイントのペアとして出力されるため、これらのポイントをラインにストリング化する必要があります。 データはノイズが多く、一方向にビニングされますが、他の方向にはビニングされません。各検出器要素が動作している場合でも、すべてのビンでのヒットを保証することはできないため、スキップが発生する可能性があります。 現在の分析チェーンは次のようになります 個々の検出素子のキャリブレーションのヒットを調整します クラスターを見つける クラスターへのラフフィットライン クラスターをより長いライン状の構造に接続します ... この質問はステップ（3）に関するものです。 そのステップでハフ変換を使用してきましたが、うまく機能しますが、テストベッドから本格的なプロジェクトのシミュレーションにスケールアップしようとすると、許容できないほど遅くなります。 もっと速い方法を探しています。 ここで実際の使用例を気にする人のために、液体アルゴン時間投影チャンバーがあります

12 regression  computer-vision  pattern-recognition 

データセットからランダムに選択されたポイントで構成されるファイルのセットがあり、各ファイルは特定のクラスに属しています。これらのファイルの各行には、ポイントのn空間の座標が含まれています。これらの各ファイルのn空間での分布を比較したいと思います。ヒストグラムを比較するためのKSテストに触発されました。私が読んだことから、この方法は多変量データにうまく拡張できません。以前はPCAを使用していましたが、すべての分散が単一のノイズの多い次元に折りたたまれ、クラスタリング手法は役に立たなかった。 私の質問-適合度の指標として各n次元のヒストグラム全体のKS値の平均を使用すべきではない理由はありますか？これらの分布を比較するためのより良い方法はありますか？

8 statistics  high-dimensional  pattern-recognition  regression