模式识别导论本三.pptVIP

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 第三十一页，编辑于星期一：十六点 二分。 模式识别导论 假设对一模式X已抽取n个特征，表示为： 模式识别问题就是根据模式X的n个特征来判别模式属于ω1 ,ω2 , … , ωm 类中的那一类。 由于特征向量对应于特征空间中的一个点，同类点聚集在一起，因此可以将特征空间分成若干个区域。 线性判别函数与广义线性判别函数 第一页，编辑于星期一：十六点 二分。 例如下图：三类的分类问题，它们的边界线就是一个判别函数。如果该函数为线性函数，则线性可分 第二页，编辑于星期一：十六点 二分。 判别函数包含两类： 一类 是线性判别函数： 线性判别函数 广义线性判别函数（所谓广义线性判别函数就是把非线性判别函数映射到另外一个空间变成线性判别函数） 分段线性判别函数 另一类是非线性判别函数 第三页，编辑于星期一：十六点 二分。 我们现在对两类问题和多类问题分别进行讨论。 (一)两类问题 即: 1. 二维情况