感知器算法步骤:
(1)选择N个分属于ω1和ω2类的模式样本构成训练样本集
{X1, …, XN }
构成增广向量形式,并进行规范化处理。任取权向量初始值W(1),开始迭代。迭代次数k=1 。
(2)用全部训练样本进行一轮迭代,计算WT(k)Xi 的值,并修正权向量。
分两类情况更新权值:
若:WT(k)Xi ≤0,分类器对第i个模式做了错误分类。
权向量校正为:W(k+1)=W(k)&
感知器算法步骤:
(1)选择N个分属于ω1和ω2类的模式样本构成训练样本集
{X1, …, XN }
构成增广向量形式,并进行规范化处理。任取权向量初始值W(1),开始迭代。迭代次数k=1 。
(2)用全部训练样本进行一轮迭代,计算WT(k)Xi 的值,并修正权向量。
分两类情况更新权值:
若:WT(k)Xi ≤0,分类器对第i个模式做了错误分类。
权向量校正为:W(k+1)=W(k)&