模式识别第四章.pptVIP

第四章 线性判别函数 MSE方法与Fisher方法的关系 与Fisher方法的关系：当 MSE准则 N1个 N2个 MSE解等价于Fisher解 第四章 线性判别函数 MSE方法与Bayes方法的关系 MSE准则 当N→∞，b=uN= [1,1, …, 1]T 时，则它以最小均方误差逼近Bayes判别函数： * 武汉大学电子信息学院 第四章 线性判别函数 模式识别与神经网络Pattern Recognition and Neural Network 内容目录 第四章 线性判别函数 6 7 4.2 Fisher线性判别 3 4.3 感知器准则 4.5 多类问题 4.6 分段线性判别函数 5 4.1 引言 1 4 4.4 最小平方误差准则 模式识别与神经网络 4.7 讨论 2 第四章 线性判别函数 4.1 引言 基于样本的Bayes分类器：通过估计类条件概率密度函数，设计相应的判别函数 MAX g1 . . . g2 gc . . . x1 x2 xn a(x) 最一般情况下适用的“最优”分类器：错误率最小，对分类器设计在理论上有指导意义。 获取统计分布及其参数很困难，实际问题中并不一定具备获取准确统计分布的条件。 训练样本集 样本分布的统计特征：概率密度函数 决策规则：判别函数决策面方程 分类器功能结构 第四章 线性判别函数 直接确定判别函数 基