势函数法

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。在势函数法中，把属于一类的样品看做正电荷，而属于另一类的样品看作负电荷，从而把模式的分类转变为正负电荷的转移，电位为0 的等位线即为判别界限。
基本思想

1. 假设要划分属于两种类别 w1 和 w2 的模式样本，这些样本可堪称是分布在 n 维模式空间中的点 xk 。
2. 把属于 w1 的点比拟维某种能源点，在点上，电位达到峰值。
3. 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) 。
4. 对于属于 w1 的样本集群，其附近空间会形成一个“高地”，这些样本所处的位置就是“山头”。
5. 同理，用电位的几何分布来看待属于 w2 的模式样本，在其附近形成“凹地”。
6. 只要在两类电位分布之间选择合适的等高线，就可以认为是模型分类的判别函数。
   势函数与积累势函数
   
   
   判别函数的产生
   从势函数可以看出，累积位势起着判别函数的作用
   当 xk+1 属于 w1 时， Kk(xk+1)>0 ,或当 xk+1 属于 w2 时， Kk(xk+1)《0 ，则累积位势不做任何修改就可用做判别函数。
   由于一个模式样本的错误分类造成累积位势在训练时的变化，因此势函数算法提供了确定 w1 和 w2 两类判别函数的迭代过程。
   依次输入样本，利用势函数逐步积累势能的过程。
   算法步骤
   详细介绍 有更详细的解释，有时间补上