判别函数

模式识别（Pattern Recognition）学习笔记（十四）--多类线性判别函数

模式识别（PatternRecognition）学习笔记（十四）--多类线性判别函数如有错误还请海涵，多谢。。    
eternity1118_·2016-05-25 13:00

模式识别（Pattern Recognition）学习笔记（九）--感知器

感知器是一种可以直接得到线性判别函数的线性分类方法，由于它是基于样本线性可分这样的一个要求下使用的，所以，首先来了解下什么是线性可分与线性不可分。
eternity1118_·2016-05-19 16:09

模式识别（Pattern Recognition）学习笔记（九）--感知器

感知器是一种可以直接得到线性判别函数 的线性分类方法，由于它是基于样本线性可分这样的一个要求下使用的，所以，首先来了解下什么是线性可分与线性不可分。
eternity1118_·2016-05-19 16:00

主成分分析和判别函数

主成分分析和判别函数标签：模式分类@authorlancelot-vim主成分分析考虑n个d维的样本x1,x2...xn，如何使用一个d维的向量x0，来代表这n个样本，确切说，我们希望这n个样本和它的代表
lancelot_vim·2016-05-11 09:23

模式识别（Pattern Recognition）学习笔记（七）——线性分类器及线性判别函数

1.为什么要设计分类器？回顾下前面学习的统计决策，也就是贝叶斯决策，它可以简单被划分为两步，首先根据样本进行PDF估计，然后根据估计出的PDF来求分类面，因此又经常被叫做两步贝叶斯决策。如果我们能够很好地估计出PDF模型，也总可以利用贝叶斯来实现两类甚至多类的最优分类，但是很多实际情形中，想要精准的估计出PDF模型，并非易事，尤其当样本存在高维特征空间，以及样本数量并不足够多的情况，本质上来说，模
eternity1118_·2016-04-26 15:18

模式识别（Pattern Recognition）学习笔记（七）——线性分类器及线性判别函数

1.为什么要设计分类器？    回顾下前面学习的统计决策，也就是贝叶斯决策，它可以简单被划分为两步，首先根据样本进行PDF估计，然后根据估计出的PDF来求分类面，因此又经常被叫做两步贝叶斯决策。如果我们能够很好地估计出PDF模型，也总可以利用贝叶斯来实现两类甚至多类的最优分类，但是很多实际情形中，想要精准的估计出PDF模型，并非易事，尤其当样本存在高维特征空间，以及样本数量并不足够多的情况，本质上
eternity1118_·2016-04-26 15:00

逻辑回归小结

逻辑回归和线性回归同属于广义线性回归，逻辑回归更倾向于实现二分类的分类器/判别函数。和线性回归一样，逻辑回归需要找到一个判别函数原型，要求判别函数需要满足某些最优化条件，从而求得判别函数。
lpsl1882·2016-03-21 01:00

线性回归小结

假设我们有许多样本数据{x(i),y(i)}，其中x(i)是第i个样本变量，y(i)是第i个变量的类别，对于每个样本变量都有许多特征feature(x)=X={x1,X2,…Xn}，现在我们建立判别函数
lpsl1882·2016-03-20 00:00

线性分类器－基本概念

####################################4.1引言模式识别的目的：在特征空间中设法找到两类(或多类)之间的分界面基于类别直接设计分类器需要确定三个基本要素：一是分类器即判别函数的类型
u012005313·2016-03-19 15:00

机器学习算法常见概念

生成模型P(Y|X)=P(X,Y)P(X)如朴素贝叶斯法、隐马尔科夫模型判别模型直接由输入数据X学习判别函数f(X)或条件概率P(Y|X).如决策树、K
foolsnowman·2016-02-22 23:00

随机梯度下降算法

1.损失函数在线性回归分析中，假设我们的线性回归模型为： 样本对应的正确数值为：现在假设判别函数的系数都找出来了，那么通过判别函数G(x)，我们可以预测是样本x对的值为。
爱嘉牛LA·2016-01-31 14:00

Generative Model 与 Discriminative Model（一）

6742eecd0100iqcv.html【摘要】   -生成模型(GenerativeModel)：无穷样本==》概率密度模型=产生模型==》预测   -判别模型(DiscriminativeModel)：有限样本==》判别函数
renyp8799·2016-01-15 15:00

判别模型和生成模型(Discriminative Model& Generative Model)

又是碰到了一些简单的基本概念，但是仔细想想发现自己没有理解透彻，Search一下，总结如下： 【摘要】- 生成模型：无穷样本==》概率密度模型 = 产生模型==》预测- 判别模型：有限样本==》判别函数
·2015-11-12 18:29

判别分析

我们希望利用这些数据，找出一种判别函数，使得这一函数具有某种最优性质，能把属于不同类别的样本点尽可能地区别开来，并对测得同样p项指标（变量）数据的一个新样本，能判定这个样本归属
·2015-11-12 15:01

模式分类 学习笔记 第6章 多层神经网络

多层神经网络是一种在训练线性判别函数的同时学习其非线性程度
·2015-10-31 09:45

3.1线性判别函数【模式识别】

用判别函数分类的概念 首先模式识别系统的主要作用是：判别各个模式所属的类别，例如对一个两类问题的判别，就是将模式x划分为成ω1和ω2两类。
·2015-10-31 08:14

js 中的类型判断函数 isObject isFunction

  Table of Contents 1 类型判断 2 备注 1 类型判断 KISSY封装了 几个判别函数， KISSY.isXxx形式的： isDate
·2015-10-30 13:12

分类器基本知识

分类算法：划分为了两类，即基于概率密度的方法和基于判别函数的方法。
dayandongfei·2015-10-28 11:34

机器学习：判别模型与生成模型

   生成模型：无穷样本==》概率密度模型 = 生成模型==》预测 判别模型：有限样本==》判别函数 = 预测模型==》预测   机器学习中的模型一般分为两类
·2015-10-27 11:37

MachineLearning：二、感知器perception算法

线性分类器的设计就是利用训练样本来计算线性函数的权向量问题设有两类问题的判别函数g(X)=w1x1+w2x2+w3=0训练样本XA,XB∈ω1,XC,XD∈ω2则g(XA)>0,g(XB)>0g(XC)
好记性不如烂笔记·2015-10-08 16:50

MachineLearning：二、感知器perception算法

线性分类器的设计就是利用训练样本来计算线性函数的权向量问题设有两类问题的判别函数g(X)=w1x1+w2x2+w3=0训练样本XA,XB∈ω1,XC,XD∈ω2则g(XA)>0,g(XB)>0g(XC)
好记性不如烂笔记·2015-10-08 16:50

线性分类器：Fisher线性判别

我们知道，基于样本直接设计分类器需要三个基本要素：判别函数类型、分类器设计准则、寻优算法。这里我们讨论的线性判别函数类型为：g(x)=wTx+w0。
Angel_Yuaner·2015-08-28 10:55

模式识别：感知器的实现

模式识别：感知器的实现http://blog.csdn.net/liyuefeilong/article/details/45217335在之前的模式识别研究中，判别函数J(.)的参数是已知的，即假设概率密度函数的参数形式已知
zdy0_2004·2015-05-18 00:00

模式识别：非参数估计法之Parzen窗估计和k最近邻估计

在之前的模式识别研究中，我们假设概率密度函数的参数形式已知，即判别函数J(.)的参数是已知的。本节使用非参数化的方法来处理任意形式的概率分布而不必事先考虑概率密度的参数形式。
liyuefeilong·2015-04-25 21:00

模式识别：感知器的实现

在之前的模式识别研究中，判别函数J(.)的参数是已知的，即假设概率密度函数的参数形式已知。本节不考虑概率密度函数的确切形式，使用非参数化的方法来求解判别函数。
liyuefeilong·2015-04-23 09:00

机器学习实战——感知机

感知机学习一个如下的符号函数：f(x)=sign(wx+b)作为模型的判别函数，w和b为模型的权值和偏置。对于超平面
u010487568·2015-04-23 00:00

朴素贝叶斯 VS 逻辑回归 区别

LogisticRegression是一个判别模型，它通过在训练数据集上最大化判别函数P(y|x)学习得到，不需要知道P(x|y)和P(y)。
cjneo·2015-04-21 10:37

线性分类器设计

线性分类器设计线性分类器设计判别函数线性判别函数线性分类器设计感知器法迭代法最小平方误差准则非迭代法Fisher分类准则本节内容：本节内容是根据上学期所上的模式识别课程的作业整理而来，第二道题目是线性分类器设计
浮舟·2015-04-12 16:36

【模式识别】学习笔记(2)>>>【判别函数】

判别函数在模式识别系统的主要作用就是判别各个模式所属的类别。如下直线描述的判别函数即将模式分为两类。
Parser7SParser·2015-03-02 22:00

判别式模型与生成式模型

原文链接：判别式模型与生成式模型摘要生成式模型：无穷样本->概率密度模型=产生式模型->预测判别式模型：有限样本->判别函数=判别式模型->预测简介简单的说，假设o是观察值，m是模型。
zbc1090549839·2015-02-13 14:00

R语言中的线性判别分析

    在R语言中，线性判别分析（LinerDiscriminantAnalysis，简称LDA），依靠软件包MASS中有线性判别函数lqa()来实现。
sanqima·2015-01-11 14:00

判别式模型与生成式模型

判别式模型与生成式模型发表于2011-09-16摘要生成式模型：无穷样本->概率密度模型=产生式模型->预测判别式模型：有限样本->判别函数=判别式模型->预测简介简单的说，假设o是观察值，m是模型。
u010555688·2014-11-25 15:00

正态分布模式的贝叶斯分类

可以有下图知道，3类不同的点，需要3个判别函数。下面我只讲蓝色点和红色点得到判别函数的求法，看懂程序就最好了。假设P(w1)=P(w2)=p(w3).             
hlx371240·2014-11-11 20:00

构造启发式算法：最邻近插入法

该类算法的每一步，把当前的线路构形跟另外的构形进行比较并加以改进，后者或是根据某个判别函数(例如总费用)会产生最大限度节约的构形，或是以最小代价把一个不在当前构形上的需求对象插入进来的构形。
u011620352·2014-11-09 20:00

判别式模型与生成式模型

摘要生成式模型：无穷样本->概率密度模型=产生式模型->预测判别式模型：有限样本->判别函数=判别式模型->预测简介简单的说，假设o是观察值，m是模型。如果对P(o|m)建模，就是生成式模型。
wenyusuran·2014-11-06 10:00

概率密度估计简介

1、概率密度函数在分类器设计过程中（尤其是贝叶斯分类器），需要在类的先验概率和类条件概率密度均已知的情况下，按照一定的决策规则确定判别函数和决策面。但是，在实际应用中，类条件概率密度通常是未知的。
carson2005·2014-09-10 13:00

朴素贝叶斯 VS 逻辑回归 区别

LogisticRegression是一个判别模型，它通过在训练数据集上最大化判别函数P(y|x)学习得到，不需要知道P(x|y)和P(y)。
Vincent乐·2014-08-29 12:42

朴素贝叶斯 VS 逻辑回归 区别

LogisticRegression是一个判别模型，它通过在训练数据集上最大化判别函数P(y|x)学习得到，不需要知道P(x|y)和P(y)。
chlele0105·2014-08-29 12:00

感知器算法

感知器算法由Rosenblatt提出，其主要功能是通过设计分类器来判别样本所属的类别；通过对训练样本集的学习，从而得到判别函数权值的解，产生线性可分的样本判别函数。
okiwilldoit·2014-08-11 14:11

感知器算法

感知器算法由Rosenblatt提出，其主要功能是通过设计分类器来判别样本所属的类别；通过对训练样本集的学习，从而得到判别函数权值的解，产生线性可分的样本判别函数。
okiwilldoit·2014-08-11 14:00

Duanxx的HEVC学习（三）HEVC编码框架（二）帧内预测

如下图，这位美女的头上的两个红色方框看上起是差不多的（专业的说法叫做相关性强，对于相关性当然是有专门的相关性判别函数的），既然差不多那么我可以考虑只把左边的图像块
daunxx·2014-08-05 09:00

[模式识别].(希腊)西奥多里蒂斯<第四版>笔记3之__线性分类器

  1，线性分类器主要优点是他们的简化和计算吸引力   2，线性判别函数和决策超平面   3，感知器算法   4，最小二乘法：均方误差估计；随机近似和LMS算法；方差和估计   5，均方估计回顾：均方误差回归
glb562000520·2014-07-17 09:00

【机器学习】正态分布的判别函数

一、分类器，判别函数和判定面 （1）多分类情况：有很多种方法来表述模式分类器，其中用的最多的是一种判别函数的形式，如果对于所有的,有,则此分类器将这个特征x判为，因此，此分类器可视为一个计算个判别函数并选取与最大判别值对应的类别的网络或机器
zhuangxiaobin·2014-06-01 10:00

【PR学习笔记 一】线性判别函数和广义线性判别函数

在模式识别的范畴中，“模式”广义上是指任何在研究的对象，而研究的中心问题就是怎么把繁杂的模式分到不同的类别中去。比如一副风景图片（图1），其中就存在着“天空”“云彩”“河流”“树木”等多种模式类别。图1在具体的分类过程中，通常选取模式的特征值来作为分类标准。比如上图中选取颜色值为特征，由于背景的天空色彩较浅，前景的山和植被等色彩较深，则可以在灰度值数轴上选取适当的灰度区分点将两种类别分开。一种特征
u013861317·2014-03-14 00:00

模式识别（三）：线性判别函数

上一节我们讲到，分类器的设计有两种思路：基于判别函数的分类器和基于距离的分类器。本节我们开始介绍基于判别函数的分类器中的线性判别函数法。判别函数法是对不同模式进行分类有很多方法中应用比较
云端暮雪·2014-02-28 15:58

用R做个带闹铃功能的钟

bbs.pinggu.org/thread-2266932-1-1.html简单修改clock12){ h0=h0-12; } #设置时钟,三针已齐全 n=60;m=60;h=12; #设置分针,时针进位判别函数
yujun7654321·2013-07-23 17:00

【机器学习】关于判别模型和生成模型

基本思想是有限样本条件下建立判别函数，不考虑样本的产生模型，直接研究预测模
·2013-07-13 19:00

关于判别模型和生成模型

基本思想是有限样本条件下建立判别函数，不考虑样本的产生模型，直接研究预测模
utimes·2013-07-12 18:00

生成模型与判别模型

【摘要】   -生成模型：无穷样本------->概率密度模型=产生模型------->预测   -判别模型：有限样本------->判别函数=预测模型------->预测【简介】简单的说，假设o是观察值
zhouyongsdzh·2013-07-04 16:00

LDA论文导读

转载自：http://www.xperseverance.net/blogs/2012/03/16/     有两种方法设计分类器：    1.discriminativemodel，就是由样本直接设计判别函数
nanjunxiao·2013-06-02 23:00
上一页 1 2 3 4 5 6 7 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他