模式识别与深度学习
Wwxiaoyi
这个作者很懒,什么都没留下…
展开
-
【模式识别与深度学习】线性判别
文章目录一、线性判别函数与线性分类面1.1与超平面相关的一些计算1.2 二分类问题的线性判别准则二、不等式组求解2.1 求解思路2.2 解空间的几何解释三、感知器算法3.1 问题定义3.1.1结合线性函数的问题表示3.2 感知器算法代价函数的选择3.3 感知器算法求解3.3.1 批量梯度下降法3.3.2 随机梯度下降法3.3.3 小批量梯度下降法3.3.4 感知器算法最优化例题(*)3.4 感知器算法的收敛性证明四、线性不可分4.1非线性求解4.1.1 伪逆求解法4.1.2 迭代求解法:梯度下降法4.1.原创 2020-06-22 22:26:29 · 839 阅读 · 0 评论 -
【模式识别与深度学习】距离分类器
一、距离分类器的一般形式 将待识别的样本分类到与其最相似的类别中 二、计算距离前的数据预处理 2.1 样本规格化 数据的量纲对数据的相似性影响很大,以重量单位为例,单位有克、千克等,如果数据相同,但单位不同,数据的相似性会因为量纲的不同而表现出不同。通过数据规格化能够消除这种因为量纲带来的差异,如下图坐标系所示: 样本规格化其实就是移动坐标系中原点的位置并缩放坐标轴,目的是消除特征量纲对数据相似性的影响。 主要方法有: 均匀缩放:数据规格化后每一维数据都满足均匀分布。具体步骤如下: 高斯缩放:数据规格原创 2020-06-18 16:47:55 · 5021 阅读 · 0 评论