模式识别——感知器准则与Fisher算法实验.docx

下载文档 降价啦

84
0
约6.06千字
约 7页
2021-01-25 发布于天津
举报
版权申诉
保障服务

模式识别——感知器准则与Fisher算法实验.docx

1、本文档共7页，其中可免费阅读3页，需付费100金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。

实验二感知器准则与算法实验实验目的贝叶斯分类方法是基于后验概率的大小进行分类的方法有时需要进行概率密度函数的估计而概率密度函数的估计通常需要大量样本才能进行随着特征空间维数的增加这种估计所需要的样本数急剧增加使计算量大增在实际问题中人们可以不去估计概率密度而直接通过与样本和类别标号有关的判别函数来直接将未知样本进行分类这种思路就是判别函数法最简单的判别函数是线性判别函数采用判别函数法的关键在于利用样本找到判别函数的系数模式识别课程中的感知器算法是一种求解判别函数系数的有效方法本实验的目的是通过编

实验二感知器准则与Fisher算法实验 1、【实验目的】贝叶斯分类方法是基于后验概率的大小进行分类的方法，有时需要进行概率密度函数的估计而概率密度函数的估计通常需要大量样本才能进行，随着特征空间维数的增加，这种估计所需要的样本数急剧增加，使计算量大增。在实际问题中，人们可以不去估计概率密度，而直接通过与样本和类别标号有关的判别函数来直接将未知样本进行分类。这种思路就是判别函数法，最简单的判别函数是线性判别函数。采用判别函数法的关键在于利用样本找到判别函数的系数，模式识别课程中的感知器算法是一种求解判别函数系数的有效方法。本实验的目的是通过编制程序，实现感知器准则