ch07線性判別函數(shù)-文庫吧資料
2025-07-21 17:57本頁面
【正文】 ????? ????xy( , ) ta n h ( )tkk ???x y x y推廣到多 類問題 ? 前述算法多假設(shè)兩類前提 ? 推廣到多類 ? 如果 線性可分，則存在一個權(quán)向量集 ，當(dāng) 時，對所有 ，有 ? 確定后，對測試樣本 y，如果對所有 ，有 則判斷 y屬于第 i類 ? ?ttij?a y a y推廣到多 類問題 ? Kesler構(gòu)造法 ? 假設(shè) ，則 ? 等價的， 維權(quán)向量 能將 c1個 維樣本集（如下頁所示）正確分類 1? ? 0 , 2 , ,tt j jc? ? ?? ? ? ?a y a y推廣到多 類問題 ? Kesler構(gòu)造法 每個 對應(yīng)于將屬于 和 的樣本規(guī)范化，即屬于 的樣本取負，這樣可以保證 ， 多類問題 成功轉(zhuǎn)化為兩類問題 1? 0t j ?α η推廣到多 類問題 ? Kesler構(gòu)造法 ? 當(dāng) 時，可類似構(gòu)造 c1個 維訓(xùn)練樣本 ，其中第 i個子向量為 y，第 j個子向量為 y，其余都為 0 ? 如果對于所有 ，都有 ，則 中的分量構(gòu)成能將多類樣本集正確分類的線性機的 c個權(quán)向量 小 結(jié) ? 判別函數(shù) ? 基于判別函數(shù)的判決規(guī)則 ? 線性判別函數(shù) ? 二次判別函數(shù) ? 多項式判別函數(shù) 如果 ，則模式為 小 結(jié) ? 廣義線性判別函數(shù) ? 兩類線性可分情況 ? 兩類問題的規(guī)范化 ? 解向量 ? 權(quán)空間 ? 解區(qū)域 小 結(jié) ? 梯度下降法 ? 牛頓下降法 ? 感知器準則函數(shù) ? 感知器準則函數(shù)最小化 ? 批處理感知器算法 ? 單樣本校正 ? 固定增量單樣本感知器算法 ? 帶邊沿裕量的變增量感知器算法 小 結(jié) ? 線性不可分情況 ? 最小平方誤差準則 ? WidrowHoff算法 ? 支持向量機 ? 分類間隔（ margin） ? 支持向量（ support vector） ? 非線性映射與核函數(shù)（ kernel function） 小 結(jié) ? 推廣到多類問題 ? Kesler構(gòu)造法 將 多類情況 轉(zhuǎn)換為 兩類情況 。Ch 07. 線性判別函數(shù) 模式分 類 的途 徑 ? 途徑 1：估計類條件概率密度 ? 通過 和 ，利用貝葉斯規(guī)則計算后驗概率 ，然后通過最大后驗概率做出決策 ? 兩種方法 ? 方法 1a：概率密度參數(shù)估計 基于對 的含參數(shù)的描述 ? 方法 1b：概率密度非參數(shù)估計 基于對 的非參數(shù)的描述 ? 途徑 2：直接估計后驗概率 ? 不需要先估計 ? 途徑 3：直接計算判別函數(shù) ? 不需要估計 或者 判 別 函 數(shù) ? 分類器最常用的表述方式為 判別函數(shù) ，每個類別對應(yīng)一個判別函數(shù) ? 基于判別函數(shù)的判決規(guī)則 如果
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1