模式识别-第5讲-线性判别函数.pptxVIP

  • 10
  • 0
  • 约6.89千字
  • 约 76页
  • 2023-02-27 发布于四川
  • 举报
模式识别 授课教师 薛耀红第一页,共七十六页。第5讲 线性判别函数(1)第二页,共七十六页。本节课主要内容线性判别函数和决策面 Fisher准则3感知准则第三页,共七十六页。1 线性判别函数和决策面线性判别函数是决策论模式识别方法中的一种重要的基本方法,是形式最简单的判别函数,由于它具有计算简单,在一定条件下能够实现最优分类的性质,因此在实际中得到了广泛的应用。此外,许多其它决策论识别方法也可用判别函数来研究(非线性判别函数),它也是研究神经网络的基础。现在我们就从线性判别函数开始介绍统计模式识别的各种方法。第四页,共七十六页。在统计模式识别方法中,首先应把能代表模式的那些特征抽取出来,构成一个代表这个模式的特征向量,表示为当我们观察待分类模式时,每次观察到的样本都是不同的,他们可以看成是随机产生的。所以每次抽取到的模式特征都应看成是随机变量,从而代表这些模式的 n 维向量也应是随机向量。第五页,共七十六页。所以,如果根据以往大量的观察,知道模式类别的分布,从而能找出n 维空间中模式类之间的分界,就能解决模式的分类问题。这在实际上是一个通过给定样本的学习过程。 简便起见,在本章中我们假定抽取到的模式样本的边界是“整齐”而不混杂的,而且以后遇到的待分类模式基本上不超过学习样本的分布范围,从而利用这些样本得出的分类边界是无误差的。为找出这些模式之间的分界面,可以利用判别函数来

文档评论(0)

1亿VIP精品文档

相关文档