《模式识别原理与应用》课件第4章.ppt

在实际中,往往不能预先知道各类是否能用分段线性判决函数完全分开,因此,规定迭代时限或迭代次数来结束迭代。特殊情况下,若在达到迭代时限或迭代次数之前已经使所有y正确分类,则说明样本集对于给定的子类数目,能够用分段线性判别函数完全正确分类。3.子类数目未知在实际中往往只有一组已知类别的样本集,而并不知道子类数目及其子类划分情况,这是最普遍的一种情形,可以有多种方法设计分段线性分类器,这里仅介绍树状分段线性分类器设计方法。对于两类非线性可分的情形,可以先确定一个超平面H1,其增广权向量为v1,H1把整个样本集分成两部分。由于两类非线性可分,因此,H1的两侧均包含有来自两类的样本。在H1的左、右半空间内,分别确定一个超平面H2、H3,把半空间内的两类样本分开,相应的增广权向量分别为v2、v3,如图4-19所示。图4-19树状线性分类器示例重复上述过程,直至超平面把两类样本完全分开。由于样本集合是有限的,因此,该划分过程总可以在有限步内停止。由树状分段线性分类器的设计过程可知,在样本集合确定的条件下,设计的关键在于对于一个特定的样本子集,找到一个将其分成两部分的超平面。寻找超平面的方法不同,最终的分类决策面也不同。4.4近邻分类器由前面的讨论可