第四章(4非线性判别函数.pptVIP

而对于任意x∈ω2，因为所有的Pi≤0，i = 1，2，3,因而P≤0。 对于未知的样本x，如果某个Pi 0，则x∈ωi1，因而x∈ω1。如果Pi≤0，i =1，2，3，x∈ω2。 例4.1设有两个未知样本x1和x2，其分段线性判别函数的值分别为 x1: L11=8 L12=4 L13=6 L14=10 L15=17 L21=9 L22=15 L23=17 L24=－3 L31=－8 L32=－7 L33=9 L34=－25 邯谜绕船意菇跌锣挎鸽闷懈下坚桑摔渴炮股揽汝章献墩贝绑尔刁欢胃橙娘第四章(4)非线性判别函数第四章(4)非线性判别函数 x2: L11=26 L12=－50 L13=25 L14=80 L15=73 L21=18 L22=－4 L23=－96 L24=14 L31=17 L32=－6 L33=－1 L34=8 ∵ P = max{min(L11，L12，L13，L14，L15) min(L21，L22，L23，L24) min(L31，L32，L33，L34) ∴Px1=max{min(8,4,6,10,17), min(9,15,17,－3), min(－8,－7,9,－25)} =max{4,－3,－25} = 4 0 决策x1∈ω1 俺糟筐龙俭封绿麓锋嗜彪疑贿舰拾共猾劫送侗桅萍问令卧擦唯卸酵厘那话第四章(4)非线性判别函数第四章(4)非线性判别函数 Px2 = max{min(26,－50,25,80,73), min(18,－4,－9,14), min(17,－6,－1,8) =max{－50,－9,－6}=－6 0 决策x2∈ω2 有了分段线性判别函数的定义，如何利用样本集，求出r个权向量 ， ，…， 使之满足。 伞懒答陪莆牲怪蜀剐宫臭来极淮彩拭掀砷报索奥位溜卒性芒动宠堑雹瓶森第四章(4)非线性判别函数第四章(4)非线性判别函数 4.2.2算法步骤 令X1和X2分别表示来自ω1和ω2类的样本集。 要找出若干个分段线性判别函数Pi组成的分段线性分类器，有效地对ω1和ω2进行分类。 假设用线性判别函数 ，i=1，2，…，r 找出 ， ，…， 的迭代算法如下： 谢佛蒸询锌冲串翁囱垦州粉俭讽贬锯梯炉僧痒汤葛擦适磷鹰窄钒持摩挞传第四章(4)非线性判别函数第四章(4)非线性判别函数 ⑴检验k是否为0，并选择Ai1(k)和Ai2(k)。 若k=0，则令Ai1(0)，Ai2(0)，i=1，2，…，r分别是从X1和X2中任意选出的第一类和第二类样本的非空子集。 步骤1任意给定初始权向量 a1(0)， a2(0) ，…， a1(0) 步骤2令a1(k) ， a2(k) ，…， ar(k)表示第k次迭代时得到的权向量，可按下述方式得到第k+1次迭代时的权向量a1(k+1) ， a2(k+1) ，…， ar(k+1) 制疤粟悬送馅谅泣告就辖巫录钵乳糕供疫匠物析咎街湾霸腰瘦歼缮酌喷诀第四章(4)非线性判别函数第四章(4)非线性判别函数 若k≠0。则令Ai1(k)和Ai2(k)分别是X1和X2中所有满足下式的样本x组成的样本子集， aiT(k)=P(x; a1(k) ,a2(k),…, ar(k)) 或写作 式中i = 1，2，…，r，很明显，这样的x一定最接近由 ai(k)所决定的超平面 憨苛敏桑忠挑战辊评钵辗必洗滨纺肌剖父放含皂赚陨炭珐殉袒注标坪益奄第四章(4)非线性判别函数第四章(4)非线性判别函数 ⑵以Ai1和Ai2为样本集，求第k+1次最优权向量 即找r个线性判别函数将Ai1和Ai2有效地分开。 ,i = 1，2，…，r， 这可用前面介绍的各种线性判别函数算法来解决，也可以 作为初始权向量，经过反复迭代找出最优的权向量 。 步骤3检验由 构成的分段线性判别函数P是否能正确分类样本集X1和X2，若能，则 就是所求的最优权向量； 若不能，则令k=k+1，重复上面的过程。直到算法收敛，或令k达到一个预先规定的上界为止。 镐叫除贪厨董滚柿免酞弄换虏钙旋翰啄源吹勾窟撮雕苇炊习变铂昆馋暇将第四章(4)非线性判别函数第四章(4