本文介绍了模式识别中的线性判别函数，包括两类问题和多类问题的划分方法。重点讲解了广义线性判别函数，涉及多项式函数和最小距离分类器。此外，还探讨了模式空间、权向量以及Fisher线性判别。感知器算法和迭代算法如梯度法也在讨论范围内，强调了它们在分类器训练中的应用。最后，提到了决策树作为有效的分类工具及其构建原则。
一、线性判别函数
1.两类问题的判别函数
若这些属于ω1和ω2两类的模式可用一个直线方程 d(x)=0 来划分，d(x) = w1x1 + w2x2 + w3 = 0
d(x)称为两类模式的判别函数；d(x)=0 称为决策面/判别界面方程。
用判别函数进行模式分类依赖的两个因素：（1）判别函数的几何性质：线性的和非线性的函数。（2）判别函数的系数：判别函数的形式确定后，主要就是确定判别函数的系数问题。
2.n维线性判别函数的一般形式
3.多类情况的划分
多类情况1（
两分法）
要分开 M 类模式，共需 M 个判别函数。每一个判别函数都要把一种类别的模式与其余M-1种类别的模式分开，而不是将一种类别的模式仅与另一种类别的模式分开。
最低0.47元/天 解锁文章
4298
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
