网站开发与设计专业,樊城网站建设,wordpress如何更换首页展示页面,青岛做网站的公司哪个好目的 用势函数的概念来确定判别函数和划分类别界面。 基本思想 假设要划分属于两种类别ω1和ω2的模式样本#xff0c;这些样本可看成是分布在n维模式空间中的点xk。 把属于ω1的点比拟为某种能源点#xff0c;在点上#xff0c;电位达到峰值。 随着与该点距离的增大这些样本可看成是分布在n维模式空间中的点xk。 把属于ω1的点比拟为某种能源点在点上电位达到峰值。 随着与该点距离的增大电位分布迅速减小即把样本xk附近空间x点上的电位分布看成是一个势函数K(x, xk)。 对于属于ω1的样本集群其附近空间会形成一个“高地”这些样本点所处的位置就是“山头”。 同理用电位的几何分布来看待属于ω2的模式样本在其附近空间就形成“凹地”。 只要在两类电位分布之间选择合适的等高线就可以认为是模式分类的判别函数。 3.9.1 判别函数的产生 模式分类的判别函数可由分布在模式空间中的许多样本向量{xk, k1,2,…且 }的势函数产生。 任意一个样本所产生的势函数以K(x, xk)表征则判别函数d(x)可由势函数序列K(x, x1) K(x, x2)…来构成序列中的这些势函数相应于在训练过程中输入机器的训练模式样本x1x2…。 在训练状态模式样本逐个输入分类器分类器就连续计算相应的势函数在第k步迭代时的积累位势决定于在该步前所有的单独势函数的累加。 以K(x)表示积累位势函数若加入的训练样本xk1是错误分类则积累函数需要修改若是正确分类则不变。 从势函数可以看出积累位势起着判别函数的作用 当xk1属于ω1时Kk(xk1)0当xk1属于ω2时Kk(xk1)0则积累位势不做任何修改就可用作判别函数。 由于一个模式样本的错误分类可造成积累位势在训练时的变化因此势函数算法提供了确定ω1和ω2两类判别函数的迭代过程。 3.9.2 势函数的选择 选择势函数的条件一般来说若两个n维向量x和xk的函数K(x, xk)同时满足下列三个条件则可作为势函数。 1K(x, xk) K(xk, x)并且当且仅当xxk时达到最大值 2当向量x与xk的距离趋于无穷时K(x, xk)趋于零 3K(x, xk)是光滑函数且是x与xk之间距离的单调下降函数。 势函数法 实例1用第一类势函数的算法进行分类 实例2用第二类势函数的算法进行分类 讨论 用第二类势函数当训练样本维数和数目都较高时需要计算和存储的指数项较多。 正因为势函数由许多新项组成因此有很强的分类能力。 转载于:https://www.cnblogs.com/chihaoyuIsnotHere/p/9790506.html
