(47)--非线性分类器模式识别.pdfVIP

主要内容

Ø分段线性判别函数

Ø二次判别函数

Ø神经网络的基础知识

ØBP神经网络

Ø神经网络参数的确定

Ø多层神经网络在模式识别中的典型应用

ØBP神经网络的matlab实例

分段线性判

别函数

分段线性判别函数的基本思想：

•分段线性判别函数是一种特殊的非线性判别函数，它确定的决策面

是由若干超平面段组成的。

•由于它的基本组成仍然是超平面，因此，与一般超曲面相比是简单

的；又由于它是由多段超平面组成的，所以它能逼近各种形状的超

曲面，具有很强的适应能力。

【分段线性距离分类器】

（1）当两类都是单峰分布

如服从正态分布且两类的方差相等时,基于最小距离的判别法为

221

g(x)x1x20x



2

决策面是两类均值连线的垂直平分面

x

x

最小距离分类器2

1

单峰时有效

2

x

o1

(2)当两类都是多峰分布时

如图第一类的分布有

两个峰(红色区域)

第二类的分布有三个

峰(黄色区域)

只取一个代表点不能

反映类分布信息

(2)当两类都是多峰分布时

对每一峰取一个代表点

将每一类分成若干子集,

取每一子集的中心为

代表点.

如图所示,折线即为分

段线性分界面,它是有

多段超平面组成的.

数学语言描述:

如果对于ω类取l个代表点，或者说,把属于ω类的样

iIi

本区域R分为l个子区域，即

ii

12li

R{R,R,...,R}

iiii

l

μ为各子区域中样本的均值向量，并以此作为该子区域的代表

i

点，这样可以在ω类上定义如下判别函数

i

g(x)minxl

ii