편집
552
번
히트 클러스터링: 두 판 사이의 차이
둘러보기로 이동
검색으로 이동
편집 요약 없음
편집 요약 없음 |
편집 요약 없음 |
||
| 9번째 줄: | 9번째 줄: | ||
* <math>L^1</math> 거리 (Manhattan-Taxicab Distance) | * <math>L^1</math> 거리 (Manhattan-Taxicab Distance) | ||
** <math>D_{L^1} = \left| \sum_i{\left(V_i - W_i \right)^2} \right|</math> | |||
* <math>L^2</math> 거리 (Euclidean Distance) | * <math>L^2</math> 거리 (Euclidean Distance) | ||
** <math>D_{L^2} = \sqrt{\sum_i{\left(V_i - W_i \right)^2}}</math> | |||
<math>D_{L^2} = \ | * Geodesics | ||
** (Simple form) <math>D_{L^2}^2 = \eta_{ij} V_i W_j , \eta_{ij} = \left\lbrace \begin{align} i=j=1 :& -1 \\ i=j\neq1 : & ~~~1 \\ \mathrm{Otherwise} : & ~~~0 \end{align} \right.</math> | |||
==== 알고리즘 ==== | ==== 알고리즘 ==== | ||
| 23번째 줄: | 24번째 줄: | ||
=== 위치 추정 === | === 위치 추정 === | ||
<math>n</math>개의 검출 지점 <math>X_{i}</math> 위치의 좌표로부터 하나의 값 <math display="inline">V</math>를 구하기 위해 다음 공식을 따르며, 이는 일반적으로 말하는 가중평균(무게중심법)과 같습니다. <math display="block">V = \frac{\sum_{i=1}^{n}W_{i}X_{i}}{\sum_{i=0}^{n}W_{i}}</math>가중값 <math>W_i</math>는 바이너리 픽셀 (ADC 값이 존재하지 않는 경우나, 신호 세기를 구별할 수 없는 경우) 1로 일괄 적용합니다. ADC 값이 있는 경우 그 값을 그대로 <math>W_i</math>로 적용하기도 하나, 신호 세기에 대한 반응 함수를 한번 적용한 값을 활용하기도 합니다. 이는 telescope 실험을 통해 검출기와 그 세팅별로 최적화되는 값 함수를 찾아야 합니다. | <math>n</math>개의 검출 지점 <math>X_{i}</math> 위치의 좌표로부터 하나의 값 <math display="inline">V</math>를 구하기 위해 다음 공식을 따르며, 이는 일반적으로 말하는 가중평균(무게중심법)과 같습니다.<math display="block">V = \frac{\sum_{i=1}^{n}W_{i}X_{i}}{\sum_{i=0}^{n}W_{i}}</math> | ||
가중값 <math>W_i</math>는 바이너리 픽셀 (ADC 값이 존재하지 않는 경우나, 신호 세기를 구별할 수 없는 경우) 1로 일괄 적용합니다. ADC 값이 있는 경우 그 값을 그대로 <math>W_i</math>로 적용하기도 하나, 신호 세기에 대한 반응 함수를 한번 적용한 값을 활용하기도 합니다. 이는 telescope 실험을 통해 검출기와 그 세팅별로 최적화되는 값 함수를 찾아야 합니다. | |||
== 성능 측정 == | == 성능 측정 == | ||