第11章圖象模式識別(完整版)
【正文】 ? 分類和識別 ? 神經網絡方法 感知機 支持向量機 第 18頁 第 10講 章毓晉 (THEEIE) 感知機 ? 最基本的感知機建立能將兩個線性可分訓練集分開的線性決策函數 0)(11 ??? ???ninii wxwd x第 19頁 第 10講 章毓晉 (THEEIE) 感知機 ? 對模式矢量增加第 n + 1個元素 ? 構建一個擴充模式矢量 y，讓 yi = xi， i = 1, 2, …, n，且后面加一個元素 yn+1 = 1 其中 y = [y1 y2 … yn 1]T是個擴充模式矢量， w = [w1 w2 … wn wn+1]T是個權矢量 ? 關鍵問題：用模式矢量的給定訓練集確定 w ywx T11)( ?? ???niii xwd第 20頁 第 10講 章毓晉 (THEEIE) 感知機 1. 線性可分類 由兩個線性可分訓練集獲取權矢量 令 w(1)代表一個任意選定的初始權矢量 如果 y(k) ? s1， wT(k)y(k) ≤ 0 如果 y(k) ? s2， wT(k)y(k) ≥ 0 否則： )()()1( kckk yww ???)()()1( kckk yww ???)()1( kk ww ??第 21頁 第 10講 章毓晉 (THEEIE) 感知機 1. 線性可分類 兩個訓練集，每個包括兩個模式 先將模式擴充，對類 s1得到訓練集 {[0 0 1]T, [0 1 1]T}，對類 s2得到訓練集 {[1 0 1]T, [1 1 1]T} 第 22頁 第 10講 章毓晉 (THEEIE) 感知機 2. 線性不可分類 最小化實際響應和希望響應間的誤差 沿 J(w)負梯度的方向逐步增加 w以尋找上述函數的最小值?，F在問題變?yōu)椋河嬎愠矫娴?w和 w0，在滿足下列條件 的情況下最小化 用拉格朗日乘數法來解 Niwt ii . . . ,2,11)( 0T ???xw221)( wwC ???????Niiii wtwL10TT0 ]1)([21),( xw ??第 27頁 第 10講 章毓晉 (THEEIE) 支持向量機 1. 線性可分類 結果為 最優(yōu)解的向量參數 w是 Ns個（ Ns ≤ N）與 ?i ? 0相關的特征向量的線性組合（支持向量） 支持向量機：最優(yōu)的超平面分類器 ???Niiii t1xw ? ???Niiit10???? sNiiii t1xw ?第 28頁 第 10講 章毓晉 (THEEIE) 支持向量機 2. 線性不可分類 訓練特征向量可以分成以下三類： (1) 向量落在分類帶之外且被正確地分了類 (2) 向量落在分類帶之內且被正確地分了類 (3) 向量被錯誤地分了類 1)(0 0T ??? wt i xw0)( 0T ?? wt i xw第 29頁 第 10講 章毓晉 (THEEIE) 結構模式識別 句法模式識別 一組模式基元，一組確定這些基元相互作用的規(guī)則和一個識別器（稱為自動機） 字符串結構識別 樹結構識別 學習和推理 第 30頁 第 10講 章毓晉 (THEEIE) 字符串結構識別 1. 字符串文法 文法（語法）：一組句法規(guī)則，控制字符集中符 號產生句子的過程 語言：由一個文法 G所產生的一組句子，記為 L(G) 句子：符號的串，代表模式，語言對應模式類
教學課件相關推薦
鄂ICP備17016276號-1