摘要：
3.8.1梯度法 定义： 梯度是一个向量，它的最重要性质就是指出了函数f在其自变量y增加时最大增长率的方向。 负梯度指出f的最陡下降方向 利用这个性质，可以设计一个迭代方案来寻找函数的最小值。 采用梯度法求解的基本思想 对感知器算法 式中的w(k)、xk随迭代次数k而变，是变量。 定义一个对错误分类 阅读全文
posted @ 2018-10-15 09:14 Charlie_ODD 阅读(1138) 评论(0) 推荐(0) 编辑
摘要：
3.6感知器算法 出发点 一旦判别函数的形式确定下来，不管它是线性的还是非线性的，剩下的问题就是如何确定它的系数。 在模式识别中，系数确定的一个主要方法就是通过对已知样本的训练和学习来得到。 感知器算法就是通过训练样本模式的迭代和学习，产生线性（或广义线性）可分的模式判别函数。 基本思想 采用感知器 阅读全文
posted @ 2018-10-09 14:58 Charlie_ODD 阅读(2290) 评论(0) 推荐(0) 编辑
摘要：
恢复内容开始 出发点 应用统计方法解决模式识别问题时，一再碰到的问题之一就是维数问题。 在低维空间里解析上或计算上行得通的方法，在高维空间里往往行不通。 因此，降低维数有时就会成为处理实际问题的关键。 问题描述 考虑把d维空间的样本投影到一条直线上，形成一维空间，即把维数压缩到一维。 然而，即使样本 阅读全文
posted @ 2018-10-08 15:37 Charlie_ODD 阅读(1001) 评论(0) 推荐(0) 编辑
摘要：
出发点： 线性判别函数在进行分类决策时是最简单有效的，但在实际应用中，常常会出现不能用线性判别函数直接进行分类的情况。 采用广义线性判别函数的概念，可以通过增加维数来得到线性判别，但维数的大量增加会使在低维空间里在解析和计算上行得通的方法在高维空间遇到困难，增加计算的复杂性。 引入分段线性判别函数的 阅读全文
posted @ 2018-10-08 15:20 Charlie_ODD 阅读(981) 评论(0) 推荐(0) 编辑