[模式识别].(希腊)西奥多里蒂斯<第四版>笔记4之__非线性分类器

本文概述了模式识别领域的核心概念,包括线性可分的AND和OR运算、感知器分类、多层感知器、训练集精确分类、反向传播算法、网络尺寸选择、权重共享、线性和多项式分类器等,还探讨了决策树和组合分类器的应用,以及提高分类器性能的方法。同时,文章深入分析了各类算法的特点和适用场景。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

    1,Exclusive OR(XOR)Booleanfunction问题





布尔量AND和OR是线性可分的



2,两层感知器

    对Figure4.1中A类和B类,首先能想到的是画两条直线。如图Figure4.4.



①     两层感知器的分类能力

3,三层感知器



4,基于训练集精确分类的算法

5,反向传播算法

6,反向传播主题的变种

7,成本函数的选择(THE COST FUNCTION CHOICE)

8,  网络尺寸的选择

9,权重共享网络

10,广义线性分类器

11,线性二分法的维度空间容量

12,多项式分类器

13,径向基函数网络

14,通用逼进器

15,概率神经网络

16,支持向量机:非线性情况

17,超出了支持向量机模式:①Expansion in Kernel Functionsand Model Sparsification。②Robust Statistics Regression

18,决策树:①Set of Questions②Splitting Criterion③Stop-Splitting Rule④Class Assignment Rule

19,组合分类器:①Geometric Average Rule②Arithmetic Average Rule③Majority Voting Rule④A Bayesian Viewpoint

20,提高的方法组合分类器(THE BOOSTING APPROACH)

21,类不平衡问题


PS:整理这些知识框架都觉得要吐血的赶脚啊,模式识别水太深了。。只能先只见森林了~


评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值