第2章线性判别函数.pptVIP

第二章 线性判别函数 线性判别函数和决策面 感知准则函数和梯度下降法 固定增量法及其收敛性 最小平方误差准则函数 多类情况下的线性判别函数 分段线性判别函数 Fisher 线性判别函数 支持向量机 2.1 线性判别函数和决策面 模式的表示 在分类识别方法中，首先应该把代表事物的那些特征抽取出来，构成代表这个模式的特征向量。 现在假定已经抽取到模式的若干特征： 如果这 个特征能够较好地描述原始的待识别的事物，则可以用 维空间的一个列向量来代表： 1.问题与解决思路 问题： 设有由N个待分类的两类别模式组成的一个样本集， 如何实现对样本集中的两类样本分类？ 在一般情况下样本在特征空间的分布情况： 可以看出: 不同类别的典型样本在特征空间中明显处于不同的区域。 表明: 由于相同类别的模式具有相似或相近的特征，因而一类模式在特征空间中的某一区域分布，而另一类则在另外区域分布。 我们可以得到启发: 用已知类别的模式样本产生一个代数表示的分界面 ，将特征空间分成两个互不重叠的区域，使不同类别的模式样本位于不同的区域，再用 作为判别函数，对待识别