实验四 基于感知函数准则线性分类器设计

一、实验目的

本实验旨在让同学理解感知准则函数的原理，通过软件编程模拟线性分类器，理解感知函数准则的确定过程，掌握梯度下降算法求增广权向量，进一步深刻认识线性分类器。

二、实验原理

感知器是一种神经网络模型，对于两类线性可分的样本模式类和。首先对样本进行进行规范化处理，即将类的全部样本乘以-1，这样对于所有的样本，判别函数都满足下式

感知准则函数，通过对已知类别的训练样本集学习，利用梯度下降算法求满足上式的增广权向量。步骤如下：

1.选择N个分属于和的模式样本构成训练样本集，将训练样本写成增广向量的形式，并进行规范化处理。

2.采用单一样本修正法，用全部训练样本进行一轮迭代。每输入一个样本，计算判别函数，根据判别函数分类结果的正误修正权向量，此时迭代迭代次数+1。当任意给定增广权向量初始值a（1），第k+1次迭代时的权向量a（k+1）等于第k次的权向量加a（k）上被错分类的所有样本之和与的乘积。假设第k次迭代，输入样本为。

可以证明，对于线性可分的样本及经过有限次修正一定可以找到一个解向量，即算法能够在有限步内收敛，其收敛速度快慢取决于初始权向量a(1)和系数。

三、 实验原始记录

 模式识别实验：基于感知函数准则线性分类器设计-深度学习文档类资源-CSDN文库https://download.csdn.net/download/qq_56870342/87251213四、实验结果与分析

测试样本点	1	2	3	4	5	6	7	8	9	10	11
x	0	1	-1	-1	0.5	-3	2	0	1	-0.5	0.5
y	-3	3	5	1	6	-1	-1	1	1	-0.5	-0.5
e=1，a=[0,0,0]	1	1	-1	-1	-1	-1	1	1	1	1	1
e=2，a=[0,0,0]	1	1	-1	-1	-1	-1	1	1	1	1	1
e=3，a=[0,0,0]	1	1	-1	-1	-1	-1	1	1	1	1	1
e=1，a=[0,0,5]	-1	1	1	-1	1	-1	1	1	1	-1	1
e=2，a=[0,0,5]	1	1	-1	-1	-1	-1	1	-1	1	-1	1
e=3，a=[0,0,5]	-1	1	1	-1	1	-1	1	1	1	-1	1
e=1，a=[2,2,-1]	1	1	-1	-1	-1	-1	1	1	1	1	1
e=2，a=[2,2,-1]	1	1	-1	-1	-1	-1	1	1	1	1	1
e=3，a=[2,2,-1]	1	1	-1	-1	-1	-1	1	1	1	1	1

k的取值	e=1	e=2	e=3
a=[0,0,0]	2	2	2
a=[0,0,5]	2	3	2
a=[2,2,-1]	1	1	1

	1	2	3	4	5	6	7	8	9
权向量的取值	2	4	6	2	2	3	2	2	2
	2	4	6	5	13	12	2	2	2
	-1	-2	-3	1	-3	2	-1	-1	-1