ch41线判别函数.pptVIP

第四章线性判别函数 4.1 引言 4.2 Fisher线性判别函数 4.3 感知器准则函数 4.4 最小平方(MSE)误差准则 4.5 最小错分样本数准则 4.6 线性支持向量机 4.1 引言 Bayes 决策规则尽管是最优的，但是实现困难。原因就是要求已知类条件概率密度 和先验概率 。 模式识别的最终任务是分类，可以直接设计分类函数——分类器函数。 最简单的分类函数是分类超平面。 (2-维的情形，为一条直线，3-维的情形为一个平面，高维的情形即为超平面) 4.1.1 线性判别函数的基本概念 线性判别函数的一般形式为： (4.1) 其中 是一个d维特征向量(模式向量),b是一个常数，称为阈值。 注意：上式中所涉及到的运算包括： 线性判别规则 关于线性判别函数的说明（1） 方程 定义了空间中的一个超平面，一般将其称为分类决策超平面。 其中向量w是该超平面的法向量。 这是由于在该超平面上任取两点， 则有 因此，有 上式说明：向量w超平面是正交的。 关于线性判别函数的说明（2） 关于线性判别函数的说明（3） 关于线性判别函数的说明（4） 可以把 表示为如下的形式： 因此， 当