- 线性判别函数在进行分类决策时是最简单有效的,但在实际应用中,常常会出现不能用线性判别函数直接进行分类的情况。
- 采用广义线性判别函数的概念,可以通过增加维数来得到线性判别,但维数的大量增加会使在低维空间里在解析和计算上行得通的方法在高维空间遇到困难,增加计算的复杂性。
- 引入分段线性判别函数的判别过程,它比一般的线性判别函数的错误率小,但又比非线性判别函数简单。
用判别函数分类
- 可用一个二次判别函数来分类
- 也可用一个分段线性判别函数来逼近这个二次曲线
分段线性判别函数的设计—最小距离分类
设μ1和μ2为两个模式类ω1和ω2的聚类中心,定义决策规则:
这时的决策面是两类期望连线的垂直平分面,这样的分类器称为最小距离分类器。