Berburu wanita : sebuah persoalan probabilitas
disclaimer
cerita berikut adalah analogi terhadap persoalan matematis yang sedang saya hadapi, tidak ada hubungannya dengan perilaku manusia yang digambarkan. 
misalkan sedang ada acara konser musik di suatu aula besar sehingga penontonnya duduk secara teratur pada kursi yang telah disediakan. katakanlah penonton bisa dikelompokkan menjadi penonton pria dan wanita. masing-masing bisa diidentifikasi melalui pakaian yang dikenakan. Umumnya para wanita mengenakan pakaian berwarna gelap sedangkan pria mengenakan pakaian yang bervariasi antara terang dengan gelap. walaupun demikian, karena pada umumnya wanita yang datang adalah socialista, kita bisa berasumsi bahwa para wanita akan duduk berdekatan satu sama lain.
sekarang seorang pengamat pria ( A ) duduk di balkon sehingga bisa melihat semua penonton di bawah namun tidak jelas. seorang teman ( B ) lalu menggambar peta yang berisi daerah mana yang kira-kira merupakan wanita (hanya berdasarkan pengamatan dari jauh juga). diasumsikan bahwa semua wanita yang hadir ditandai oleh B namun B tidak menjamin bahwa pria juga termasuk dalam tanda di peta yang digambar tersebut (dan memang ada pria yang ternyata ‘dicurigai’ sebagai wanita).
yang menjadi persoalan adalah, bagaimana caranya menseleksi pada tiap tanda yang dibuat oleh B agar A dapat menghapus tanda yang sebetulnya berisi pria sehingga pada akhirnya tiap tanda betul-betul menunjukkan lokasi tempat duduk yang diisi oleh wanita?
persoalannya mungkin tampak sederhana, tapi bagi saya yang nggak mudeng dengan topik probabilitas dan statistik (akibat banyaknya istilah yang aneh-aneh di buku berbahasa Indonesia dengan bahasa Inggris). bingung juga memodelkan persoalannya dalam konteks probabilitas.
beberapa kata kunci petunjuk/asumsi yang mungkin bisa digunakan:
- tempat duduk tersebar sebagai struktur grid regular
- bayesian
- markov random field
silakan isi jawaban berupa pemodelan persoalan dan algoritma penyelesaiannya pada komentar yang telah disediakan, hadiah $10 (atau akun rapidshare premium untuk 1 bulan) menunggu bagi penjawab pertama yang memuaskan (jawaban akan diuji terlebih dahulu). (hadiah akan ditransfer melalui paypal atau dikirm via e-mail (untuk akun rapidshare premium))
Filed under: academic, computer vision, image processing, markov random field, monte carlo | 5 Komentar
Tag:quiz
-
kata mereka
widhi_candra@yahoo.c… on Implementasi Canny Edge D… bayu on mengakses pixel aisyah on Jarak Titik ke Garis pada bida… pebbie on Kenapa Informatika ITB? za on Kenapa Informatika ITB? pebbie on Algoritma K-means cluster… Bana on Algoritma K-means cluster… Madman on Convex Hull 2D 
pandanganku- Sebuah galat telah terjadi; umpan tersebut kemungkinan sedang anjlok. Coba lagi nanti.
- pebbie games
- Sebuah galat telah terjadi; umpan tersebut kemungkinan sedang anjlok. Coba lagi nanti.
- pebbie@INDC
- Sebuah galat telah terjadi; umpan tersebut kemungkinan sedang anjlok. Coba lagi nanti.
IMHO:
Analisis saja berdasarkan petunjuk warna pakaian (dengan asumsi penonton tidak ada yang berpasangan, laki2-perempuan); misalnya laki2 diwakili angka 1 (warna pakaian cerah) dan wanita diwakili angka 0 (warna pakaian gelap) dan yang meragukan (dengan warna pakaian antara gelap dan terang) dimasukkan sebagai angka 1 / laki2.
Teknisnya dapat dengan cara mengambil foto aula tersebut dari atas (balkon) kemudian dilakukan pemindaian dan analisis berdasarkan tingkat kecerahan warna nya dengan memasukkan jumlah piksel area tempat duduk (lebar x panjang) dan lebar kursi pada foto tersebut. Tidak akurat memang, tapi cukup mendekati.
.-=[ DaNnY ]=-.
Umm … nggak dijelaskan apa constraint nya. Maksudnya kenapa nggak bisa cukup datangi tempat yang dimaksud satu – satu dan lihat sendiri apakah disana wanita atau pria. Kenapa tidak bisa ? kenapa harus pakai teori probabilistik ?
Lihat Peta si B, cari area yang hitam semua (area perempuan), batasnya adalah sampai ditemukan pada Peta B yang tidak berwarna hitam. (teori Praktis).
Maap! kalau stasitik terapan mending kabur aja.
pernah liat persoalan sejenis, tapi gak nemu pendekatan yang benar-benar bisa menunjukkan kebenaran (kecuali ada parameter yang bisa buat brute force, tapi itu kadang gak implementable), paling lebih ke optimasi :
)
1. inisialisasi tiap element (mapping attribut x, y)
2. clustering (mengumpulkan tiap element yang berdekatan)
3. pembobotan tiap element dalam cluster (by location, by color, etc…ini pake standar pribadi
4. cari nilai standar deviasi untuk semua element, terus filtering lagi tiap element
5. hasil akhir adalah setiap element telah diassign final value yang bisa menunjukkan ‘identitas’ tiap element, misal : element A : nilainya 5 padahal rata2 nilai di cluster yang terdapat element B nilainya 20, bisa dipastikan bahwa element A tidak termasuk kelompok tersebut.
disclaimer : itu cuma garis besar, intinya ada di algoritma clusteringnya, pembobotan dan filtering
, and statistical method saya pake pas filteringnya doang.