非參數判別分類方法-資料下載頁
2025-05-15 00:03本頁面
【正文】 ）產生一個初始決策面的方程。例如可由這兩個原型的垂直平分平面作為初始界面，表示成 H1； 步驟二：初始決策面最佳化 確定 H1能正確分類的所有緊互對原型對，并由這些原型對中的樣本組成局部訓練的樣本集，按所使用的準則設計出線性決策面 H1*，該決策面對現有局部樣本集來說是最佳的。對該H1決策面又可找出它能正確分類的所有緊互對原型對。如果H1*與 H11的分類效果相同，則 H1*不需再調整，否則由 H1*作為初始決策面重復上述過程，直到所包羅的局部訓練樣本集不再發(fā)生變化為止。 第三章 非參數判別分類方法 2021/6/16 中國礦業(yè)大學 計算機科學與技術學院 (33)29 步驟三：新決策面的產生與最佳化 在找到一個最佳的決策面段后，將相應的局部訓練樣本從原緊互對原型對集合中撤走，然后在剩下的緊互對原型對集合重復上述步驟，產生另一個超平面分界面。 步驟四：重復上述步驟，直到所有緊互對原型對都被處理完畢，得到一系列超平面，組成分段線性分類器。 第三章 非參數判別分類方法 2021/6/16 中國礦業(yè)大學 計算機科學與技術學院 (33)30 分段線性分類器檢驗一個決策規(guī)則的確定 ? 在使用上述方法得到一組超平面作為分段線性分類器的分界面后，僅對交遇區(qū)的樣本集進行性能檢測有時不能發(fā)現存在的問題，需要使用全體樣本對其進行性能檢驗，觀察其能否對全體樣本作出合理的劃分。 第三章 非參數判別分類方法 2021/6/16 中國礦業(yè)大學 計算機科學與技術學院 (33)31 ? 如果現有的決策界面數為 m，每個決策超平面的增廣權向量為 aiT ， i=1,2,…, c。 ? 定義向量在 z(X),記錄 X屬于 決策界面的正測還是負側。 ? 處在同一區(qū)域的所有樣本都有同樣的向量值，將被劃分若干子集，最大可能的子集數為 2m個。 ? 每個子集中兩類樣本的分布，作為劃分與改進決策域的依據。 第三章 非參數判別分類方法 2021/6/16 中國礦業(yè)大學 計算機科學與技術學院 (33)32 ? 用 NT(Zk)表示在第 k個子集中第 l類訓練樣本的個數， k＝1,2,…,2 m,l＝ 1,2。 ? 定義一個比值函數 L表示每個子集中 ω1類樣本所占比例。 112()( ) ( )jjjNzLN z N z? ?? 根據 L值及 N1(Zk)與 N2(Zk)這三個數據，可對各個區(qū)域作相應決定： 1 如果 L 1/2，則 Zk區(qū)域為 ω1的決策域； 2 如果 L 1/2，則 Zk區(qū)域為 ω2的決策域； 3 如果 L≈1/2，以及 N1(Zk),N2(Zk)很小，則對 Zk內樣本可作拒絕決策； 4 如果 L ≈1/2，但 N1(Zk)與 N2(Zk)數量不可忽略，則對此區(qū)域，用該子集的樣本再次進行局部訓練法訓練，以獲得其進一步劃分。 第三章 非參數判別分類方法 2021/6/16 中國礦業(yè)大學 計算機科學與技術學院 (33)33 圖中的樣本采用上述方法后，決策平面由兩個 (H H2)增至三個，即 H H2與 H3組成。至于對每類樣本的決策規(guī)劃，可用上面提到的 m維向量作決策。例如右圖中 Z向量為 (1， 1，1)、 (1， 1， 0)以及 (0， 1， 0)的區(qū)域為 ω2的決策域，而 (0， 1，1)(0， 0， 0)及 (0， 0， 1)區(qū)域則為 ω1的決策域。
研究報告相關推薦
鄂ICP備17016276號-1