模式识别课件(总顺序+No7)(第三章+NO2)(李彦新)(071113)(感知器判别函数).pptVIP

* * * * 3.3 感知准则函数 一.几个基本概念 1. 线性可分性 含义：若存在一个权向量a(即直线)，能将样本集按类分开，则称之为是线性可分的。 定义：设有d维N个样本的样本集X1,X2······Xn，且分别来自ω1和ω2类。其线性判别函数为： 　　WTXi+W0 其中 　WT=[W1,···,Wd]， XiT=[Xi1,···,Xid] (i=1,···,N) 则其齐次式为：　　aTYi 其中 　aT=[W0,W1,···,Wd]=[W0 W] 增广权向量 　　　 YiT=[1,xi1,···,xid]=[1 XiT] 增广样本向量 即Yi为 维(d+1维)增广样本向量。 如果存在一个权向量aT，满足下式： aTY 0 　　则　Y?ω1类 aTY 0 　　则　Y?ω2类 则称这组样本集为线性可分，否则为线性不可分。 反之，如果样本集是线性可分的，则必存在一个权向量a能将每个样本正确的分类。 2. 线性可分的概率 　设有4个2维样本，可任意分属ω1或ω2 类，则共有24＝16种分法。只要不出现三个样本共线的情况，则16种分法中有14种是线性可分的，2种是线性不可分的