模式识别导论本(三).pptVIP

具体说来，若已知两个模式样本集，它们分属于ω1类和ω2类，在确定权向量初值W（1）之后，即开始利用它对全部模式样本进行判别。如果第k次判别中，取 ，而Wt(k)Xk≤0，因此分类器对它将作错误判别，这里Xk表示第K次试验中所采用的模式，Wt(k)表示第K次判别所采用的权向量，由于判别失误，故校正权向量，有 w(k+1)=w(k)+CXk (3-3-1) 其中C为大于零校正系数 如果 ,Wt(k)Xk≥0，同样也会得到错误判断，但此时权向量按下式校正： w(k+1)=w(k)-CXk (3-3-2) 如果在第K次判别时，可以得到正确分类，则权向量不变： w(k+1)=w(k) (3-3-3) 以上就是感知器算法的基本原理。若对属于ω2类的模式样本乘以（－1），则（3—3—2）与（3—3—1）完全一致，这样，感知器算法可以统一写为 例题：有两类样本 ω1=（x1,x2）={(1,0,1),(0,1,1)} ω2=（x3,x4）={(1,1,0),(0,1,0)} 解：先求四个样本的增值模式 x1=(1,0,1,1) x2=(0,1,1,1) x3=(1,1,0,1) x4=(0,1,0,1) 假设初始权向量 w1=(1,1,1,1) c=1 第一次迭代： w1Tx1=(1,1,1,1) (