線性判別函數(shù)ppt課件(2)-資料下載頁
2025-05-04 18:10本頁面
【正文】 求其分子項的極大值。這是一個求矩陣 的特征值問題。 Fisher線性判別數(shù)值 R 實際上我們關心的只是向量 的方向，其數(shù)值大小對分類器沒有影響。因此在忽略了數(shù)值因子 后，可得：上式就是使用 Fisher準則求最佳法線向量的解 。向量 就是使 Fisher準則函數(shù) 達極大值的解，也就是按按 Fisher準則將準則將 d維維 X空間投影到一維空間投影到一維 Y空間的最佳投影方向空間的最佳投影方向 ，該向量 的各分量值是對原 d維特征向量求加權和的權值。 Fisher線性判別最佳投影方向的理解 216。但是如從使類間分得較開，同時又使類內密集程度較高這樣一個綜合指標來看，則需根據(jù)兩類樣本的分布離散程度對投影方向作相應的調整，這就體現(xiàn)在對 向量按 作一線性變換，從而使 Fisher準則函數(shù)達到極值點。 216。(m1m2)是一向量，顯然從兩類均值在變換后距離最遠這一點看，對與 (m1m2)平行的向量投影可使兩均值點的距離最遠。 Fisher線性判別閾值 w0的確定(1) (2) 當 已知時可用(3) 一般可采用以下幾種方法 確定分界閾值點確定分界閾值點 w0: Fisher線性判別(1) 式中只考慮采用均值連線中點作為閾值點，相當于貝葉斯決策中先驗概率相等的情況。其中而 (2)與 (3)則是以不同方式考慮 與 不等的影響，以減小先驗概率不等時的錯誤率。決策規(guī)則當 w0確定之后，則可按以下規(guī)則分類： 使用 Fisher準則方法確定最佳線性分界面的方法是一個著名的方法，盡管提出該方法的時間比較早，仍見有人使用，如人臉識別中用于特征提取。 Fisher線性判別例 1：設兩類樣本的類內離散矩陣分別為 試用 fisher準則求其決策面方程。 解：由于兩類樣本分布形狀是相同的（只是方向不同），因此 應為兩類均值的中點 Fisher線性判別n 例 2 Fisher線性判別試用 Fisher準則求取最佳投影方向，并對 (1,2,1)T樣本進行分類。解： Fisher線性判別解： Fisher線性判
教學課件相關推薦
鄂ICP備17016276號-1