Escolar Documentos
Profissional Documentos
Cultura Documentos
Aula 2:
Reconhecimento de Padres
2015/1
1
1. Reconhecimento de Padres
2
1. Reconhecimento de Padres
Tarsila do Amaral 3
1. Reconhecimento de Padres
x11 x1m
Amostras
x12
x x 22 x 2 m
21
x n1 xn 2 x nm
Variveis
5
1. Reconhecimento de Padres
1.1. Anlise exploratria
6
1. Reconhecimento de Padres
1.1. Anlise exploratria
7
1. Reconhecimento de Padres
Treinamento no-supervisionado :
9
1. Reconhecimento de Padres
10
1. Mtodos no supervisionados
11
2. Anlise por Componentes Principais - PCA
12
2. Anlise por Componentes Principais - PCA
13
2. Anlise por Componentes Principais - PCA
X t 1p1T t 2p T2 ... t Rp RT E
TP T E
Onde:
X (I J) uma matriz de dados,
T (I h) so os escores,
P (J h) so os pesos (loadings) e
E (I J) so os resduos.
14
2. Anlise por Componentes Principais - PCA
CP % Var(X) % Var(Total)
1 23 23
2 18 41
3 15 56
4 8 64
e assim por diante... at 100%
15
2. Anlise por Componentes Principais - PCA
pesos
X = + ... +
escores
componentes principais
= + E
PT
T
16
2. Anlise por Componentes Principais - PCA
Escores
relaes entre objetos
ortogonais, TTT = matriz diagonal
Pesos
relaes entre variveis
ortonormais, PTP = matriz identidade, I.
Similaridades e diferenas entre objetos (ou variveis) podem ser vistas atravs
de grficos em que os escores (ou pesos) so plotados uns contra os outros.
17
2. Anlise por Componentes Principais - PCA
Maximizar a estrutura de varincia da matriz X.
7 3
a 2 b
6
1
5
x2
x2
0
4
-1
3
-2
2 -3
1 2 3 4 5 6 -2 -1 0 1 2
x1 x1
18
2. Anlise por Componentes Principais - PCA
Maximizar a estrutura de varincia da matriz X.
Esta maximizao realizada pela rotao dos eixos.
7 3
a 2 b
6 p2
p2 p1 p1
1
5
x2
x2
0
4
-1
3
-2
2 -3
1 2 3 4 5 6 -2 -1 0 1 2
x1 x1
19
2. Anlise por Componentes Principais - PCA
X . P = T 40
30
20
10
x2
0
-10
-20
p1 argmax Var X
-40
-25 -20 -15 -10 -5 0 5 10 15 20 25
x1
40
p p1 1
T
1
30 T : Rm Rm
20
p Ti p j 0 i j 10
t2
-10
VarX p p1
-20
T
1 -30
-40
-25 -20 -15 -10 -5 0 5 10 15 20 25
t1
20
2. Anlise por Componentes Principais - PCA
L(p1 , ) p1T p1 p1T p1 1
L(p1 , ) p1T p1 p1T p1 1
2 p1 2 p1 0
p1 p1
21
2. Anlise por Componentes Principais - PCA
p1 p1 Var X p1T p1
22
2. Anlise por Componentes Principais - PCA
Maximizar a estrutura de varincia da matriz X.
7 3 2 3
a 4 3
2 b
6
X 5 4
1
5 4 5
5 6
x2
x2
0
4
-1
3 x 4,0 4,2
-2
23
2. Anlise por Componentes Principais - PCA
Maximizar a estrutura de varincia da matriz X.
x2
0
4
-1
3
-2
2 -3
1 2 3 4 5 6 -2 -1 0 1 2
x1 x1
24
2. Anlise por Componentes Principais - PCA
Utilizando a relao para a matriz de covarincia:
6 4
T
X1 X1
4 6,8
Nota: a varincia dos dados: [1,5 1,7] referente a diagonal principal da matriz
original implica em uma varincia total de 3,2. Na matriz proporcional temos:
25
2. Anlise por Componentes Principais - PCA
6 4
det 0
4 6,8
6 6,8 16 0
Polinmio caracterstico
2 12,8 24,8 0
Polinmio de grau 2 (2 variveis), o grau do polinmio caractersticos ser
igual ao nmero de dimenses da matriz X.
1 10,42
2 x1 6,0 46,875%
2 2,38
2 x2 6,8 53,125%
2 p1 10,42 81,41%
2 p2 2,38 18,59
26
2. Anlise por Componentes Principais - PCA
p1 p1
6 4 p11 p11
4 6,8 p
1
21 p 21
6 p11 4 p 21 1 p11
p112 p21
2
1
4 p11 6,8 p 21 1 p 21
10,42 6
p 21 p11 1,1050 p11
4
1,1050 p11 1
2 2
p11
p11 0,6710
6 p12 4 p 22 2 p12
4 p12 6,8 p 22 2 p 22
p122 p22
2
1
2,38 6
p 22 p12 0,9050 p12
4
p122 0,9050 p12 1
2
p12 0,7414
28
2. Anlise por Componentes Principais - PCA
XP T
0,6710 0,7414 0,6710 0,7414
P P
0, 7414 0, 6710 0, 7414 0, 6710
2 3 3,5662 0,5302
4 3 4,9082 0,9526
0,6710 0,7414
5 4 6,3206 1,0230
0, 7414 0, 6710
4 5 6,3910 0,3894
5 6 7,8034 0,3190
29
2. Anlise por Componentes Principais - PCA
2 3 3,5662 0,5302
4 3 4,9082 0,9526
0,6710 0,7414
5 4 6,3206 1,0230
0,7414 0,6710
4 5 6,3910 0,3894
5 6 7,8034 0,3190
7 3
a 2 b
6
p2 p1 1
x2 5
x2
0
4
-1
3
-2
2 -3
1 2 3 4 5 6
x1 30
2. Anlise por Componentes Principais - PCA
2,0 1,2 2,2317 0,6776
0,0 1,2 0,8897 0,8052
0,6710 0,7414
1,0 0,2 0,5227 0,8756
0,7414 0,6710
0, 0 0,8 0,5931 0,5368
1,0 1,8 2,0055 0,4464
7 3
3 a 2 b
6 p2
2
p2 p1 p1
1
51 p1
x22
x2 0
x
0
4 p2
-1 -1
3-2
-2
-3
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
2 x1 -3
1 2 3 4 5 6 -2 -1 0 1 2
x1 x1 31
2. Anlise por Componentes Principais - PCA
32
91,06% de varincia
97,93% de varincia
99,50% de varincia
100% de varincia
33
2. Anlise por Componentes Principais - PCA
34
2. Anlise por Componentes Principais - PCA
Espectros de 4 padres de
adulterantes identificados
nas amostras de cocana
apreendidas.
35
2. Anlise por Componentes Principais - PCA
36
2. Anlise por Componentes Principais - PCA
37
2. Anlise por Componentes Principais - PCA
38
2. Anlise por Componentes Principais - PCA
39
2. Anlise por Componentes Principais - PCA
40
2. Anlise por Componentes Principais - PCA
41