parzen窗概率密度估计 matlab,模式作业_Parzen窗估计及matlab源程序.doc

计算题

3.6 已知三类训练样本为

：[ -1，-1 ]， ：[ 0，0 ]， ：[ 1，1 ]

试用多类感知器算法求解判别函数。

解：采用多类情况3的方式分类，将训练样本写成增广向量形式，有

X= [ -1，-1，1 ]， X= [ 0，0，1 ]， X= [ 1，1，1 ]

任取初始权向量为：

W(1) = W(1) = W(1)= [ 0，0，0 ]

取校正增量c = 1。 迭代过程如下：

第一次迭代，k = 1，以X= [ -1，-1，1 ]作为训练样本，计算得

d(1) = W(1) X= 0

d(1) = W(1) X= 0

d(1) = W(1) X= 0

X，但d(1)>d(1)且d(1)>d(1)不成立，故修改3个劝向量，即

W(2) = W(1) + X= [ -1，-1，1 ]

W(2) = W(1) – X= [ 1，1，-1 ]

W(2) = W(1) – X= [ 1，1，-1 ]

第二次迭代，k = 2，以X=[ 0，0，1 ]作为训练样本，计算得

d(2) = W(2)X= 1

d(2) = W(2)X= -1

d(2) = W(2)X= -1

X，但d(2)>d(2)且d(2)>d(2)不成立，故修改3个权向量，即

W(3) = W(2) – X= [ -1，-1，0 ]

W(3) = W(2) + X= [ 1，1，0 ]

W(3) = W(2) – X= [ 1，1，-2 ]

第三次迭代，k = 3，以X= [ 1，1，1 ]作为训练样本，计算得

d(3) = W(3)X= -2

d(3) = W(3)X= 2

d(3) = W(3)X= 0

X，d(3)>d(3)成立，但d(3)>d(3)不成立，故仍需修改部分权向量，即

W(4) = W(3) = [ -1，-1，0 ]

W(4) = W(3) – X= [ 0，0，-1 ]

W(4) = W(3) + X= [ 2，2，-1 ]

以上经过一轮迭代运算后，三个样本还未正确分类，故进行下一轮迭代。

第四次迭代，k = 4，以X= [ -1，-1，1 ]作为训练样本，计算得

d(4) = W(4)X= 2

d(4) = W(4)X= -1

d(4) = W(4)X= -5

X，但d(4)>d(4)且d(4)>d(4)成立，故3个权向量不变，即

W(5) = W(4) = [ -1，-1，0 ]

W(5) = W(4) = [ 0，0，-1 ]

W(5) = W(4) = [ 2，2，-1 ]

第五次迭代，k = 5，以X= [ 0，0，1 ]作为训练样本，计算得

d(5) = W(5)X= 0

d(5) = W(5)X= -1

d(5) = W(5)X= -1

X，且d(5)>d(5)和d(5)>d(5)不成立，故修改3个权向量，即有

W(6) = W(5) – X= [ -1，-1，-1 ]

W(6) = W(5) +X= [ 0，0，0 ]

W(6) = W(5) – X=[ 2，2，-2]

第六次迭代，k = 6，以X= [ 1，1，1]作为训练样本，计算得

d(6) = W(6)X= -3

d(6) = W(6)X= 0

d(6)