LQX513406421的博客

最近在看李航老师的统计学习，故学习使用matlab语言实现了一下感知机的算法，下面简单总结一下一些注意事项。1.注意判断误分类点，没有误分类点后要及时退出迭代循坏，不然会一直迭代。2.感知机绘制出来的分类超平面不止一个，采用不同的初始值和迭代时选取误分类点的顺序不同，得出的解也不同。3.话不多说，上代码。(1) Perceptron.m函数function [W,b] = Perceptron(X,y,Maxstep)%感知机学习算法%W为待求的权重向量，b为偏差%X为输入空间,本次取二维

LMS自适应滤波算法是基于维纳滤波算法，在最陡梯度下降法的基础上形成的滤波算法，它用梯度矢量的估计值来代替其精确值，应用广泛。本文从两个方面来介绍LMS算法。LMS算法的理论基础LMS算法的损失函数（cost function）为：LMS算法的递推公式为：注: μ为调整步长的常数，用于控制系统的稳定性和自适应算法的收敛速度,为下面代码示例中的mu.LMS算法实现步骤令起始时刻 i=0自适应滤波器的系数矢量W(0)为任意值；根据输入信号矢量X(i) ，利用期望信号d(i) 和滤波器的输