(45)--第四章 线性分类器模式识别.pdfVIP

主要内容

Ø引言

Ø线性判别函数的基本概念

ØFisher线性判别准则

ØFisher线性判别实例演示

Ø感知器的基本概念

Ø感知器的实现方法

Ø感知器算法实例演示

Ø最小平方误差判别

引言

基于概率密度（估计）的分类器设计

基于样本的直接分类器设计

基于样本进行分类器设计的三要素：

1.确定分类器，也就是判别函数的类型

2.确定分类器设计的目标或准则

3.设计算法利用样本数据搜索到最优的函数参数。

形式化：gg(()),,

判别函数类，α：未定参数

准则函数L(α)

****

求：LL(())mmiinnLL(())





本章只考虑线性判别函数

T

g(x)wxw0

多类情况

T

g(x)wxwi1,,c

iii0

——次优分类器（相对于贝叶斯分类器）

基本概念

【线性判别函数的表达式】

T

形式：g(x)wx+w

0

其中：X--d维特征向量

表示为：xT[x,x,…,x]T

12d

W--权向量

表示为：wT[w,w,…,w]T

12d

W--常数，称为阈值权

0

【两类问题的决策规则】

判别函数：

g(x)g1(x)-g2(x)

决策规则：

1



g(x)g(x)g(x)0或拒绝，或分到任一类等特殊处理

12





