5-分类器设计-第五节.pptVIP

广义线性判别函数 这样一个非线性判别函数通过映射，变换成线性判别函数。 判别函数的一般形式： 广义线性判别函数（续） 广义线性判别函数（续） 要用二次判别函数才可把二类分开： 若设计分类器，一是选定所用的判别函数类型，二是确定方程的两个参数（权向量及阈值）。 分类器设计任务是在给定的训练样本条件下，确定线性判别函数的各项系数，在进行未知样本分类中，能满足相应的准则函数为最优的要求。可总结为以下几步： 1.确定使用的判别函数或决策面方程类型。 2.按需要确定一准则函数。 3.确定准则函数达到极值时 具体数值。 分类器设计中的参数选择 训练与学习是指从训练样品提供的数据中找出某种数学式的最优解，这个最优解使分类器得到一组参数，按照这种参数设计的分类器使人们设计的某种准则达到极值。 了解训练与学习的三个概念： 1.训练集：已知样品集，用来开发模式分类器 2.测试集：在设计分类系统时没有用过的独立样品集 3.系统评价原则：判断模式识别系统能否正确分类。 训练与学习 第五章  分类器设计 本章主要内容 分类器设计准则 分类器设计基本方法 判别函数 训练与学习 分类器设计准则 分类问题是根据待识别对象所呈现的观察值，将其分到某个类别中去。具体步骤是： 1.建立特征空间中的训练集，已知训练集里某个点所属类别。 2.从这些条件出发寻求某种判别函数或判别准则，设计