模式识别课件第四章4非线性判别函数.ppt

(a) R1 R2 R3 H1 H2 ⑷对R2中的样本重复上面算法，可得到第三个超平面段H3。 最终的分段线性分类器由三个超平面H1、H2和H3相应的部分组成，如图4.13(b)中实线所示，在两维空间表现为一折线段。 (b) H1 H2 H3 4.4 二次判别函数 二次判别函数也是一种常用的非线性判别函数，其适用范围比简单的线性判别函数广。 但二次判别函数及其确定的分界面比较复杂，故只简单介绍一下它的基本概念。 二次判别函数的一般表达式为 其中W是d×d实对称矩阵，w为d维向量。为确定判别函数g(x)，需要确定 二次判别函数确定的决策面是一个超二次曲面，包括超球面、超椭球面、超双曲面等。 例如对于一类(设ω1类)样本分布比较成团，而另一类样本均匀地散布在其周围的两类问题，可用下述方法构造一个二次判别函数： 个不同的系数。因此，计算起来非常复杂。 ⑵定义二次判别函数 ⑴计算ω1类样本均值 和样本协方差 决策规则表示为 g(x) = 0在X空间确定了一个超椭球面。 它的大小由K来控制，K越大，则落入超椭球外面的第一类样本点越少，因此第一类错分为第二类的概率越小，但第二类误为第一类的概率将增大。 如果两类样本分布各自都比较集中，则可以分别定义两类的判别函数为 其中 Ni为ωi类的样本数， 若定义 g(x)=g1(x)－g2(x) 则决策