模式识别郝旷荣Chap(MSSBHKR).pptVIP

  • 1
  • 0
  • 约3.04万字
  • 约 180页
  • 2017-03-31 发布于江苏
  • 举报
模式识别郝旷荣Chap(MSSBHKR)

第四章 非参数判别分类方法 §4.1 引言   §4.2 线性分类器   §4.3 非线性判别函数   §4.4 近邻法   §4.5 支持向量机   §5 本章小结 §4.5 支持向量机 4.5.1 线性可分条件下的支持向量机 最优分界面 4.5.2 线性不可分条件下的广义最优 线性分界面 4.5.3 特征映射法、解决非线性判别 分类问题 由此可见每次迭代过程都要重新对现有样本集进行重新随机划分,以保证了剪辑的独立性。从图6.5到图6.8可以看出,剩下的样本集形成了两个很好的聚类,并且在每个聚类中的样本都属同一类。 前面我们已经提到,用近邻法容易出错的区域是在两类的交界处,这时某个训练样本存在与否就会影响到某些测试分类的结果。因此剪辑的效果往往把这些处于交界的训练样本给剪辑掉了。 另一个问题是对剪辑近邻法错误率的分析。这里我们只给出简单的结论: 4.4.3.2 剪辑近邻法 1.利用最近邻法剪辑后得到的样本集进行分类,其错误率总小于原样本集,        (4-77) 其中P(e)表示用原样本的渐近平均错误率。在P(e)很小,如P(e)0.1情况下可有       

文档评论(0)

1亿VIP精品文档

相关文档