摘要：
说明：摘自维基百科目录：感知器介绍历史结构感知器介绍 感知机（英语：Perceptron）是Frank Rosenblatt在1957年就职于Cornell航空实验室(Cornell Aeronautical Laboratory)时所发明的一种人工神经网络。它可以被视为一种最简单形式的前馈式人工神经网络，是一种二元线性分类器。 Frank Rosenblatt给出了相应的感知机学习算法，常用的有感知机学习、最小二乘法和梯度下降法。譬如，感知机利用梯度下降法对损失函数进行极小化，求出可将训练数据进行线性划分的分离超平面，从而求得感知机模型。 感知机是生物神经细胞的简单抽象。神经细胞结构大... 阅读全文
摘要：
1.方差方差是各个数据与平均数之差的平方和的平均数。（方差方差，就是平方了数据与平均数之差）在概率论和数理统计中，方差（英文Variance）用来度量随机变量和其数学期望（即均值）之间的偏离程度。例子：1， 5 ，9 方差大 4，5，6方差就小。2.协方差在概率论和统计学中，协方差用于衡量两个变量的总体误差。而方差是协方差的一种特殊情况，即当两个变量是相同的情况。期望值分别为E(X) = μ 与E(Y) = ν 的两个实数随机变量X与Y之间的协方差定义为：COV(X，Y)=E[(X-E(X))(Y-E(Y))]=EXY-EX*EY直观上来看，协方差表示的是两个变量总体误差的方差，这与只表示一个 阅读全文
摘要：
转自：http://library.qust.edu.cn/blog/post/236.html------引言在人工智能技术(Artificial Intelligence)领域中，模式识别(Pattern Recognition)技术也许是最具有挑战性的一门技术了，模式识别有时又被称为分类技术，因为模式识别说到底就是对数据进行分类。说到识别，最为常用的便是模仿人的视觉的图像识别（当然还有语音识别），也许你会想当然地认为那还不简单，觉得我们用我们的眼睛可以轻而易举地识别出各种事物，但是当你想用计算机中的程序来实现它时，于是你便会觉得很沮丧，甚至于有无从下手的感觉，至此你再也不会觉得电脑有多聪 阅读全文
摘要：
思想：多维 --> Fisher变换 --> 利于分类的一维1.已知：给定n维训练模式 x1,x2,...,xn,其中有N1和N2个模式分属w1和w2类（N1+N2=N)，分别记为{xj_(1)}和{xj_(2)}2.目标：我们希望通过Fisher变换之后，同一类的模式向量“距离”更近，而类之间的“距离”更远，这样达到更容易区分的目的。同一类的模式向量“距离”：类内离散度矩阵（类内离差阵）类之间的“距离”：类间离散度矩阵（类间离差阵）3.变换前的类内离散度矩阵和类间离散度矩阵变换前的类内离散矩阵Swi=sum_j（xj_(i)-mi)（xj_(i)-mi)'其中mi=1/N 阅读全文