Maximum Likelihood Classifier

bismillah...


Ikhwah: Ana tengok student perempuan kat uitm perlis ni banyak yang baik-baik sekarang.

Aku: Kenapa, sebelum ni banyak yang teruk-teruk ke?

Ikhwah: Takdela, sebelum ni nampak ramai jugak yang free hair dan pakai tak tutup aurat.

Aku: Owh, taktau pulak. Ana baru je kat sini. Erm, apa indicator enta cakap student perempuan sekarang banyak yang baik-baik?

Ikhwah: Err..ana tengok ramai je yang pakai elok-elok dan pakai stoking tangan dan kaki.

Aku: Itu je?

Ikhwah: Lebih kurang la..

Aku: Emm...enta tau tak, sebenarnya mungkin betul atau mungkin jugak salah analisis enta tu. Dalam remote sensing, ana belajar image classification.

Ikhwah: Image classification? Camne tu?

Aku: Katakan kita ada satu imej satelit. Kita nak kelaskan bangunan, tanah, kawasan hutan, air etc kepada kelas-kelas yang berbeza supaya memudahkan kita untuk buat apa-apa analisis.

Ikhwah: Jadi, apa kaitan dengan analisis ana pasal student perempuan tadi?

Aku: Ok. Bila kita nak buat image classification, yang penting adalah apakah teknik yang kita nak guna. Ada banyak teknik. Yang biasa digunakan dan ana nak kaitkan dengan perkara ni ialah classification menggunakan teknik maximum likelihood.

Ikhwah: Hah?! Apa pulak mende ni?

Aku: Hehe. Maximum likelihood ni mengkelaskan setiap pixel dalam imej satelit menggunakan probability atau kebarangkalian based kepada Bayes' Theorem. Ok, cakap banyak pun tak guna. Payah nak faham. Hehe

Ikhwah: Tau takpe. Teruskan kepada perkaitan antara benda alah ni dengan analisis ana tadi.

Aku: Ok2. Jadi, sebelum kita classify imej satelit tadi menggunakan maximum likelihood classifier, kita akan pilih set of training areas as a sample. Then kira likelihood function of the training areas menggunakan set of algorithm. Daripada likelihood function ni, maximum likelihood classifier ni akan classify semua pixel dalam imej yang mempunyai kesamaan atau kemiripan (maximum similarity) dengan likelihood function tadi menjadi satu kelas yang sama.

Ikhwah: Ana pening. Apa kaitannya? Hehe

Aku: Patutnya enta tanya, pixel yang tak similar camne? Senang ana nak terangkan. Hehe

Ikhwah: Ok2, pixel yang takde kaitan pulak camne? Adakah diabaikan?

Aku: Haha. Bagus. Berbalik kepada analisis enta berkaitan student perempuan ramai yang baik-baik dah sekarang ni. Sebenarnya, analisis enta ni based kepada perubahan parameter yang mana mengubah jugak conditional probability untuk kesuluruhan masalah.

Ikhwah: Haha. Bertambah pening lagi ada la.

Aku: Saja bagi enta pening. Ok, ana permudahkan.

Ikhwah: Haa, camne?

Aku: Ok, bayangkan ada sebuah bekas ada berpuluh-puluh biji guli berwarna-warni. Ana suruh enta cari guli berwarna merah. Apa enta akan buat?

Ikhwah: Ana akan cari la guli kaler merah.

Aku: Apa yang enta buat pada guli selain warna merah? Abaikan, betul tak?

Ikhwah: Boleh kata camtula. Erm..betul jugak.

Aku: Jadi, kalau ana tambah banyak-banyak lagi guli yang kaler lebih kurang merah, camne?

Ikhwah: Ana akan lebih alert dan fokus pada guli kaler merah saja.

Aku: So, likelihood function enta ialah guli kaler merah. Jadi, otak enta menghantar isyarat kepada mata enta untuk fokus pada guli kaler merah sahaja. So, enta akan dapat guli kaler merah sahaja. Unless enta rabun warna, enta akan dapat warna hijau. Hehehe.

Ikhwah: Hehe. Jadi enta nak bagitau dulu training set ana ialah student free hair+tak tutup aurat dan sekarang student tudung labuh+pakai stoking?

Aku: Enta boleh fikir sendiri. Enta compute likelihood function tu based kepada kriteria tu then enta start classify student yang baik-baik dan student yang teruk-teruk.

Ikhwah: So, analisis ana salah ke?

Aku: Tak semestinya. Classification enta betul. Tapi adakah betul banyak student perempuan yang baik-baik sekarang jika nak dibandingkan dengan dulu? Dulu tak banyak?

Ikhwah: Err...

Aku: Kalau enta gunakan training set student perempuan tudung labuh+pakai stoking pada masa dulu, adakah enta akan dapat result yang sama seperti enta guna training set student perempuan free hair+tak tutup aurat?

Ikhwah: Ooo... tak sama. Faham2.

Aku: So sekarang, cuba enta tukar training set enta kepada student lelaki muka baik+kaki masjid, barulah nampak banyak mad'u untuk dihalaqahkan! haha

Ikhwah: Erk! Yelah2...hehe

Aku: Ok ah, ana nak pi masuk lab balik...

Ikhwah: Ok2

TAMAT