两类别LDA线性判别式分析.pptVIP

下载本文档

0
0
约小于1千字
约 10页
2024-12-27 发布于上海
举报
版权申诉

两类别LDA线性判别式分析.ppt

1、本文档共10页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

LinearDiscriminantAnalysis

LDA线性判别式分析法利用线性判别函数设计两类分类器在概率密度函数P(x|wi)未知的条件下,不再设法求出P(x|wi)并转化为后验概率密度函数P(wi|x),而是采用以下方法:给定某个线性判别函数类g(x)利用样本集X确定判别函数类g(x)中的未知参数(给定一个costfunction用最优化方法使代价函数取极值)把未知样本x归类到具有最大的判别函数值的类别中问题的起源线性判别函数的给定一般线性判别函数:广义线性判别函数:结论:对任意判别函数作级数展开，然后取其截尾部分的逼近,通过适当的变换，都可以化为广义线性判别函数来处理.解决由样本集设计线性分类器的主要步骤:准则函数的选取感知准则函数(应用于线性可分的样本集)原理:设:样本集Y={y1,y2,…,yN}为对应于X={x1,x2,…,xN}的增广样本集.感知准则函数解释:设:A为αTyn0的解区,B为αTynb的解区,则:对任意α∈B必有α∈A,即有:A包含B.即新解区B位于原解区A之中.设:αA为A解区边界上的点,则αA满足:αATyn=0.αB为B解区边界上的点,则αB满足:αBTyn=b.B解区边界离开A解区边界的距离||αB-αA||为:αBTyn-αATyn=b αBT-αAT=b/yn ||αB-αA||=b/||yn||最小错分样本数准则引子:感知准则函数及其梯度下降算法只适用于线性可分情况，对于线性不可分情况，算法不收敛．但在实际问题中往往无法事先知道样本集是否线性可分.因此，我们希望找到一种既适用于线性可分情况，又适用于线性不可分情况的算法。这种算法对于线性可分问题，可以得到一个如感知准则函数那样的解向量，使得对两类样本集做到将全部样本正确分类；而对于线性不可分问题，则得到一个使两类样本集错分数目最少的权向量.我们把这样的准则称为最小错分样本数准则。