模式识别教学资料第四章_第1页
模式识别教学资料第四章_第2页
模式识别教学资料第四章_第3页
模式识别教学资料第四章_第4页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、习题： 已知两类问题的样本集中，有两个样本。已知两类问题的样本集中，有两个样本。 属于类，属于类， 属于类，对它们进行增广后，属于类，对它们进行增广后，这两个样本的增广样本分别为这两个样本的增广样本分别为 =_, =_。 广义线性判别函数主要是利用广义线性判别函数主要是利用_原理解原理解决决_问题，利用广义线性判别函数设计问题，利用广义线性判别函数设计分类器可能导致分类器可能导致_。 线性分类器设计步骤？ 线性判别函数线性判别函数g(x)的几何表示是：点的几何表示是：点x到决策面到决策面h的的_。1(1, 3,2)tx 2(1,2, 3)tx 1y2y(1,1,-3,2)(1,-1,-2,3)

2、高次判别函数增加一维维数灾难代数度量 增广样本向量使特征空间增加了增广样本向量使特征空间增加了_（一、二、三、大于三）维，但样本（一、二、三、大于三）维，但样本在新的空间中保持了样本间的在新的空间中保持了样本间的_不变，对于分类效果也与原决策面相不变，对于分类效果也与原决策面相同。同。 在新的空间中决策面在新的空间中决策面h h是坐标是坐标_。过坐标原点一欧氏距离习题 fisher准则的基本原理为：找到一个最合适的投影轴，使准则的基本原理为：找到一个最合适的投影轴，使_在该轴上投影之间的距离尽可能远，而在该轴上投影之间的距离尽可能远，而_的投影尽可能紧凑，从而使分类效果为最佳。的投影尽可能紧凑

3、，从而使分类效果为最佳。 fisher准则函数的定义为准则函数的定义为 =_。 fisher方法中，样本类内离散度矩阵方法中，样本类内离散度矩阵si与总类内离散度矩与总类内离散度矩阵阵sw 分别为分别为_和和_。 fisher方法主要利用投影向量方法主要利用投影向量w，将所有，将所有d维样本维样本x投影的投影的一维样本一维样本y（即，（即，y=wtx）来实现对样本的有效分类。已知）来实现对样本的有效分类。已知一维样本类间离散度一维样本类间离散度 ，d维样本类间离散度矩维样本类间离散度矩阵为阵为 ，证明它们之间的关系为，证明它们之间的关系为( )fjwtbbss ww212()bsmm1212()()tbsmmmm 利用利用lagrange乘子法使乘子法使fisher线性判别的准则函数极大化线性判别的准则函数极大化，最终可以得到的判别函数权向量，最终可以得到的判别函数权向量 = _。 叙述叙述fisher算法的基本原理。算法的基本原理。 fisher准则函数的定义为准则函数的定义为 。试利用。试利用lagrange乘子法使乘子法使fisher线性判别的准则函数极大化来得线性判别的准则函数极大化来得到的判别函数权向量

人人文库> 全部分类> 应用文书 > 年终总结

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论