模式识别及应用课件.pptxVIP

線性判別函數;2.1線性判別函數和決策面;在統計模式識別方法中，首先應把能代表模式的那些特徵抽取出來，構成一個代表這個模式的特徵向量，表示為

當我們觀察待分類模式時，每次觀察到的樣本都是不同的，他們可以看成是隨機產生的。所以每次抽取到的模式特徵都應看成是隨機變數，從而代表這些模式的n維向量也應是隨機向量。下麵看一個三類模式例子，如圖所示。三類模式可用邊界線AD、BD和CD分開。;返回本章首頁;所以，如果根據以往大量的觀察，知道模式類別的分佈，從而能找出n維空間中模式類之間的分界，就能解決模式的分類問題。這在實際上是一個通過給定樣本的學習過程。簡便起見，在本章中我們假定抽取到的模式樣本的邊界是“整齊”而不混雜的，而且以後遇到的待分類模式基本上不超過學習樣本的分佈範圍，從而利用這些樣本得出的分類邊界是無誤差的。

为找出这些模式之间的分界面，可以利用判别函数来进行。对于n維空間中的c個模式類別各給出一個由n個特徵組成的單值函數，這叫做判別函數。在c類的情況下，我們共有c個判別函數，記為;判別函數的性質

假如一個模式X屬於第i類，則有

而如果這個模式在第i類和第j類的分界面上，則有

事實上，這是由n維模式降為1維或1個數的一種變換。

線性判別函數是所有模式特徵的線性組合，表示為;二類情況下的線性判別函數

令

用其可以構造一個二類模式