广义线性.分段性.模式空间和权空间.pptVIP

广义线性判别函数 出发点 线性判别函数简单，容易实现； 非线性判别函数复杂，不容易实现； 若能将非线性判别函数转换为线性判别函数，则有利于模式分类的实现。 广义线性判别函数 基本思想 设有一个训练用的模式集{x}，在模式空间x中线性不可分，但在模式空间x*中线性可分，其中x*的各个分量是x的单值实函数，x*的维数k高于x的维数n，即若取 x* = (f1(x), f2(x), …., fk(x)), kn 则分类界面在x*中是线性的，在x中是非线性的，此时只要将模式x进行非线性变换，使之变换后得到维数更高的模式x*，就可以用线性判别函数来进行分类。 [描述] 广义线性判别函数 广义线性判别函数的意义 [线性的判别函数] [fi(x)选用二次多项式函数] [x是二维的情况] [x是n维的情况] [fi(x)选用r次多项式函数， x是n维的情况] [例子] [d(x)的总项数] 说明 d(x)的项数随r和n的增加会迅速增大，即使原来模式x的维数不高，若采用次数r较高的多项式来变换，也会使变换后的模式x*的维数很高，给分类带来很大困难。 实际情况可只取r=2，或只选多项式的一部分，例如r=2时只取二次项，略去一次项，以减少x*的维数。 广义线性判别函数 [例子：一维样本空间 -〉二维样本空间] 分段线性判别函数 出发点 线性判别函数在进行分类决策时是最简单有效的，但在