本文介绍了模式识别中线性分类器的重要性，特别是支持向量机（SVM）的概念。SVM寻找将样本正确分类且与最近样本距离最大的最优超平面，并通过拉格朗日泛函方法求解参数。模式识别关注的是经验误差与期望误差，低期望误差意味着更好的推广能力。
1、模式识别的目的是在特征空间中找到两类（多类）的分界面。因此，可以根据样本特点，直接设计分类器。
2、设计分类器一般包括三个步骤：一是确定分类函数的类型，二是设计最优准则，即什么样的函数才是最优的，三是根据准则，设计算法从样本中搜索到最优的函数参数。形式化表示为：在判别函数集
3、线性分类器虽然简单，但在很多场合却很有效地实现的样本的分类，前提是样本集线性可分。
一般形式为
，
也就是说，如果将样本向量x带入g(x)，计算结果大于0，则x属于w1类，反之属于w2类。因此，g(x)是通过对x的各个特征的计算来判断其所属类别。
4、支持向
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
