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(1016) 评论(0) 推荐(0) 编辑
摘要：
这种实现方式的最坏情况和最好情况时间复杂度分别为O（n2）和 O（n） 阅读全文
posted @ 2018-10-01 16:08 Charlie_ODD 阅读(524) 评论(0) 推荐(0) 编辑
摘要：
出发点 线性判别函数简单，容易实现； 非线性判别函数复杂，不容易实现； 若能将非线性判别函数转换为线性判别函数，则有利于模式分类的实现。 基本思想 设有一个训练用的模式集{x}，在模式空间x中线性不可分，但在模式空间x*中线性可分，其中x*的各个分量是x的单值实函数，x*的维数k高于x的维数n，即若 阅读全文
posted @ 2018-09-29 08:57 Charlie_ODD 阅读(2474) 评论(0) 推荐(0) 编辑
摘要：
3.1线性判别函数 3.1.1两类问题的判别函数 （1）以二维模式样本为例 （2）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。 线性的是一条直线； 非线性的可以是曲线、折线等； 线性判别函数建立起来比较简单（实际应用较多）； 非线性判别函数建立起来比较复杂。 阅读全文
posted @ 2018-09-28 19:33 Charlie_ODD 阅读(5029) 评论(0) 推荐(0) 编辑