第四章非线性判别函数.pptVIP

P=(L11∧L12∧L13∧L14∧L15)

∨(L21∧L22∧L23∧L24)

∨(L31∧L32∧L33∧L34)P=max{min(L11，L12，L13，L14，L15)min(L21，L22，L23，L24)min(L31，L32，L33，L34)}在这儿，共有r=m1+m2+m3=13个线性判别函数。对于任意x∈ωi1，即x落入第一类的第i个子类中，所有的Lij0，j=1，2，…，mi，故Pi0，因而P0。第30页，共70页，星期日，2025年，2月5日而对于任意x∈ω2，因为所有的Pi≤0，i=1，2，3,因而P≤0。对于未知的样本x，如果某个Pi0，则x∈ωi1，因而x∈ω1。如果Pi≤0，i=1，2，3，x∈ω2。例4.1设有两个未知样本x1和x2，其分段线性判别函数的值分别为x1:L11=8L12=4L13=6L14=10L15=17L21=9L22=15L23=17L24=－3L31=－8L32=－7L33=9L34=－25第31页，共70页，星期日，2025年，2月5日x2:L11=26L12=－50L13=25L14=80L15=73L21=18L22=－4L23=－96L24=14L31=17L32=－6L33=－1L34=8∵P=max{min(L11，L12，L13，L14，L15)min(L21，L22，L23，L24)min(L31，L32，L33，L34)∴Px1=max{min(8,4,6,10,17),min(9,15,17,－3),min(－8,－7,9,－25)}=max{4,－3,－25}=40决策x1∈ω1第32页，共70页，星期日，2025年，2月5日Px2=max{min(26,－50,25,80,73),min(18,－4,－9,14),min(17,－6,－1,8)=max{－50,－9,－6}=－60决策x2∈ω2有了分段线性判别函数的定义，如何利用样本集，求出r个权向量，，…，使之满足。第33页，共70页，星期日，2025年，2月5日4.2.2算法步骤令X1和X2分别表示来自ω1和ω2类的样本集。要找出若干个分段线性判别函数Pi组成的分段线性分类器，有效地对ω1和ω2进行分类。假设用线性判别函数，i=1，2，…，r找出，，…，的迭代算法如下：第34页，共70页，星期日，2025年，2月5日⑴检验k是否为0，并选择Ai1(k)和Ai2(k)。若k=0，则令Ai1(0)，Ai2(0)，i=1，2，…，r分别是从X1和X2中任意选出的第一类和第二类样本的非空子集。步骤1任意给定初始权向量a1(0)，a2(0)，…，a1(0)步骤2令a1(k)，a2(k)，…，ar(k)表示第k次迭代时得到的权向量，可按下述方式得到第k+1次迭代时的权向量a1(k+1)，a2(k+1)，…，ar(k+1)第35页，共70页，星期日，2025年，2月5日若k≠0。则令Ai1(k)和Ai2(k)分别是X1和X2中所有满足下式的样本x组成的样本子集，aiT(k)=P(x;a1(k),a2(k),…,ar(k))或写作式中i=1，2，…，r，很明显，这样的x一定最接近由ai(k)所决定的超平面第36页，共70页，星期日，2025年，2月5日⑵以Ai1和Ai2为样本集，求第k+1次最优权向量即找r个线性判别函数将Ai1和Ai2有效地分开。,i=1，2，…，r，这可用前面介绍的各种线性判别函数算法来解决，也可以作为初始权向量，经过反复迭代找出最优的权向量。步骤3检验由构成的分段线性判别函数P是否能正确分类样本集X1和X2，若能，则