主要步骤： 966 1. 选取一组具有类别标志的样本集X={x1,,x 2.确定一个准则函数J (1)应是X,w,W的函数； (2)反映分类器的性质 3.用最优化技术求出准则函数的极值解：w*,wo*, 由此得g(x)
1. 选取一组具有类别标志的样本集X={x1,…,xN} 2. 确定一个准则函数J （1）应是X，w, w0的函数； （2）反映分类器的性质 主要步骤： 3. 用最优化技术求出准则函数的极值解：w*, w0*， 由此得g(x)
966 常用准则函数有： 感知准则； 最小平方误差准则； Fisher准则； 最小错分样本准则；
常用准则函数有： Fisher准则； 感知准则； 最小错分样本准则； 最小平方误差准则；
感知准则函数 J966 前面已知，分类器设计过程： 样本集→确定判别函数形式→再确定权向量 →分类器设计完成。 介绍一种设计线性分类器的算法：感知器算法 感知器(perception)算法由神经网络演变来
感知准则函数 前面已知，分类器设计过程： 感知器（perception）算法由神经网络演变来。 样本集确定判别函数形式再确定权向量 分类器设计完成。 介绍一种设计线性分类器的算法：感知器算法
/96 几个基本概念： 1.线性可分性 设有N个样本y1,y2,,y为增广样本分量，即 [1 X y= (y是d+1维) 分别来自W1,w2类， 希望用它们确定判别函数 g(x)=a'y,并寻找能使所有样本正确分类的权向 量a*
几个基本概念： 1. 线性可分性 设有N个样本y1,y2,…,yN为增广样本分量，即 1 1 1 d x y x x 分别来自w1,w2类，希望用它们确定判别函数 ，并寻找能使所有样本正确分类的权向 量a* ( ) T g x a y （y是d+1维）
966 关键：是否存在一个线性分类器，即：是否存在 一个权向量a,使 对于y,∈% 都有ay,>0 对于y,∈w2都有a'y<0 若存在这样的权向量a,则称为线性可分 实际中，完全线性可分的条件很难满足，允许一定分类误差 存在
关键：是否存在一个线性分类器，即：是否存在 一个权向量a ，使 1 2 0 0 T i i T i i y w a y y w a y 对于 都有 对于 都有 若存在这样的权向量a，则称为线性可分 实际中，完全线性可分的条件很难满足，允许一定分类误差 存在