节线性分类.pptxVIP

线性分类器 电子科技大学 师 君 感知器 最小均方法 支持向量机 Fisher分类器 多类问题 线性分类器： 神经网络—神经元模型； 贝叶斯分类器—高斯等协方差矩阵； 线性分类器 扩展权向量 注意，如果W为扩展解向量，则aW也为扩展解向量。 权系数更新方法： 感知器算法； 最小均方误差算法； 支持向量机算法； 线性分类器设计 感知器算法模型： 优化代价函数 感知器(Perceptron) 最速下降法迭代： 权系数更新公式： 感知器(Perceptron) … … 算法流程： 步骤1. 初始化训练样本、权向量 步骤2. 选择分类1的样本， 步骤3. 如果输出结果0，则：update = update + (-1) * x 步骤4. 选择分类2的样本 步骤5. 如果输出结果0，则：update = update + (1) * x 步骤6. W = W + coeff * update 步骤7. 重复步骤2-6，直到没有错误分类。 感知器(Perceptron) 收敛性（一）： 梯度为零=错误集合为空集 由于线性可分集合间存在多个分类面，因此，收敛结果不唯一。 感知器(Perceptron) 感知器(Perceptron) close all clear all clc Obj1.NTrain = 100; Obj1.mean = 2.5 * [3; 5]; Obj1.Samp