判别函数(七)势函数法
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,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。
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, k=1,2,…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x1,x2,…。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xk+1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xk+1属于ω1时,Kk(xk+1)>0;当xk+1属于ω2时,Kk(xk+1)<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。判别函数表达式:取d(x)=K(x),则有:dk+1(x)= dk(x)+rk+1K(x, xk+1 )
判别函数产生逐步分析:
设初始势函数K0(x) = 0
第一步:加入第一个训练样本x1,则有
这里第一步积累势函数K1(x)描述了加入第一个样本时的边界划分。当样本属于ω1时,势函数为正;当样本属于ω2时,势函数为负。
第二步:加入第二个训练样本x2,则有
(i) 若且K1(x2)>0,或 且K1(x2)<0,则分类正确,此时K2(x) = K1(x),即积累势函数不变。
(ii) 若且K1(x2)<0,则
(iii) 若且K1(x2)>0,则
以上(ii)、(iii)两种情况属于错分。假如x2处于K1(x)定义的边界的错误一侧,则当时,积累位势K2(x)要加K(x, x2),当 时,积累位势K2(x)要减K(x, x2)。
第K步:设Kk(x)为加入训练样本x1,x2,…,xk后的积累位势,则加入第(k+1)个样本时,Kk+1(x)决定如下:
(i) 若且Kk(xk+1)>0,或 且Kk(xk+1)<0,则分类正确,此时Kk+1(x) = Kk(x),即积累位势不变。
(ii) 若且Kk(xk+1)<0,则
(iii) 若且Kk(xk+1)>0,则
因此,积累位势的迭代运算可写成: ,rk+1为校正系数:
若从给定的训练样本集{x1, x2, …, xk, …}中去除不使积累位势发生变化的样本,即使Kj(xj+1)>0且,或Kj(xj+1)<0且的那些样本,则可得一简化的样本序列,它们完全是校正错误的样本。此时,上述迭代公式可归纳为:
其中
也就是说,由k+1个训练样本产生的积累位势,等于ω1类和ω2类两者中的校正错误样本的总位势之差。 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。 K(x, xk)= K(xk, x), 并且当且仅当x=xk时达到最大值; 当向量x与xk的距离趋于无穷时,K(x, xk)趋于零; K(x, xk)是光滑函数,且是x与xk之间距离的单 调下降函数。
因此,积累位势可写成:,Ci可用迭代式求得。
第二类势函数:选择双变量x和xk的对称函数作为势函数,即K(x, xk) = K(xk, x),并且它可展开成无穷级数,例如:
(b),α是正常数
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
判别函数(七)势函数法相关推荐
- 【模式识别与机器学习】——3.9势函数法:一种确定性的非线性分类方法
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,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 ...
- 模式识别中利用二型势函数法求解非线性分类器的原理以及python代码实现
前言 在学校的深度学习实验过程中,由于要求实现非线性分类器的势函数实验中给出的例程代码是matlab语言的(ps:自从电脑被偷了以后,新电脑没有装matlab),我便想到用python实现非线性分类器 ...
- 艾宾浩斯记忆表格excel_七天法表格(从下往上浏览,上面的是最近更新的。后改为五天表格)...
2020年9月10日更 沉迷手机的同学买这个. 2020年8月23日更 被湘潭大学录取了,就是专业不太好,大一努力转专业! 2020年7月24日更 高三以来最好成绩呜呜呜,今年陕西高考一本线451分 ...
- 麦肯锡:解决问题的七步骤法
[麦肯锡:解决问题的七步骤法] ➊陈述问题,明确要解决的问题 ➋分解问题,利用逻辑树对问题进行分解 ➌淘汰非关键问题,使用漏斗法 ➍制定详细工作计划 ➎进行关键分析 ➏综合分析调查结果,并建立论证 ➐ ...
- 势函数法 (一种确定性的非线性分类方法)
势函数的目的 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 1.假设要划分属于两种类别ω1和ω2的模式样本,这些样本可看成是分布在n维模式空间中的点xkx_kxk. 2.把属于ω1的点比拟 ...
- 位势函数matlab,势函数分类的设计与SOM神经网络
第7题:势函数分类的设计与实现 1.势函数分类原理概述 1.1 势函数概念 势函数法是利用势函数的概念确定非线性判别函数的方法.所谓势函数是由势能的概念引申而来的.比如,两类模式样本集在n维模式空间中 ...
- 实验二:势函数实验 预习报告
实验目的 用势函数的概念来确定判别函数和划分类别界面. 理论基础 势函数法是非线性分类器中常用到的一种方法,它借用电场的概念,来解决模式分类问题.用势函数的概念来确定判别函数和划分类别界面.在势函数法 ...
- 四参数坐标转换c++_GPSRTK坐标转换及四参数、七参数适用条件
工程测量仪器已由经纬仪.全站仪过渡到GNSS(全球卫星导航系统),特别是公路行业,GPS-RTK作为GNSS的一种应用目前已十分普及.现阶段GPS-RTK以WGS-84 坐标系统为主流,所发布的星历参 ...
- 七参数坐标转换 matlab,利用三点法求解空间坐标系转换所需的七参数
同一个物体的点云在不同坐标系中的坐标表示不同,有时候需要将其进行转换到同一坐标系中进行处理,经典的方法为七参数法(7-parameters),用matlab实现如下: %PS.好久不用matlab了, ...
最新文章
- python try...except....else...finally处理异常
- mysql返回记录的ROWNUM(转)
- 【深入Java虚拟机】之四:类加载机制
- RabbitMQ原理RabbitMQ各组件作用RabbitMQ使用场景
- eclipse 注释星号没对齐_36 个奇葩代码注释,看完笑哭了!
- 数据结构:在下述几种树中,()可以表示静态查找表?
- 【Infragistics教程】在javascript构造函数中创建基本继承
- error restore 01
- 漫画:什么是外部排序?
- Java 利用泛型实现折半查找法
- 社区OpenJDK代码构建平台投入使用
- django 模型增加字段后迁移失败
- PXC 57 二进制安装
- 鸢尾花数据集的各种玩法
- 图像传感器(智能相机技术)
- 微星GP76 AX1675x ubuntu 18.04安装有线/无线网卡驱动
- EdgeBox_EHub_tx1_tx2_E100 系统网络调试链接说明
- 关于纹理勾选sRGB的疑惑
- CSS HTML 实现虚线横线分隔线
- 评郭德纲《论50年相声之现状》
热门文章
- IDEA git 代码已经commit,但未 push推送,如何撤销提交缓存区代码
- freeCAD - Qt开发的工业设计软件
- 分布式机器学习(上)-并行计算与机器学习
- 能让你笑出八块腹肌的内涵手游|Cocos强势围观
- 0基础学习,软件测试到月薪20k(心得分享)
- 计算机释放内存的命令,巧妙将win7系统内存快速释放的方法
- Understanding Docker Container Exit Codes
- ipv6是什么?ipv6怎么上网?
- 关于昆明市政协、市统战部、民革昆明市委赴云南坤艮盈科技有限公司(商务部CECBC区块链专委会秘书处云南办事处)调研指导工作
- 实习汇总:爱奇艺、安永、网易、滴滴、百度、优酷、国家统计局、搜狐、爱立信