模式识别_孙即祥_第3章习题解
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
第三章习题答案
一、设一3类问题有如下判决函数
d1(x) = - x1
d2(x) = x1 + x2 -1
d3(x) = x1 - x2 -1
试画出下列各种情况的判决边界及各类的区域:
(1)满足3.4.2节中的第一种情况;
(2)满足3.4.2节中的第二种情况, 且令
d12(x) = d1(x),d13(x) = d2(x),d23(x) = d3(x);
(3)满足3.4.2节中的第三种情况。
解:
1、两分法
2、Wi/Wj 两分法
3、没有不确定区的Wi/Wj两分法
二、证明感知器的收敛性。
证明:
如果模式是线性可分的,则存在判别函数的最佳权向量解,利用梯度下降法求解函数的极小值点,即为。
构造准则函数(k<0)
当 <0时,
当时,,
∵训练模式已符号规范化,∴寻求的最小值,且满足。
令k=1/2,求得准则函数的梯度
由梯度下降法,增广权矢量的修正迭代公式为:
取=1,则上述准则下的梯度下降法的迭代公式与感知器训练算法是一致的。∵梯度下降法是收敛到极小值点的,∴感知器算法也是收敛的。
三、习题3.4
证明:
MSE解为
其中:
则对应的
化简
由上式可得:
由(1)式可得:
代入(2)式得:
∵为标量
∴
为一标量
∴
∵、设为行向量,如果设为列向量
则
而Fisher最佳判别矢量为
不考虑标量因子的影响,和完全一致
∴当余量矢量时
MSE解等价于Fisher解。
四、
解:
设、在判别界面中
(1)-(2)得
∵在判别界面中
∴平面
则平面的单位法矢量为
设点P在判别界面d( )=0中,则
∵
∴
当和方向相同时,即为点到平面的距离时
五、以下列两类模式为样本,用感知器算法求其判决函数。(令 w(1) =
(-1,-2,-2)T)
ω1:{(0,0,0)’, (1,0,0)’, (1,0,1)’, (1,1,0)’,}
ω2:{(0,0,1)’, (0,1,1)’, (0,1,0)’, (1,1,1)’,}
解
(1)将训练样本分量增广化及符号规范化,将训练样本增加一个分量1,且把来自类的训练样本的各分量乘以-1,则得到训练模式集:
(2)运用感知器算法,任意给增广权矢量赋初值,取增量,迭代步数k=1,则有
(3)由上面的结果可以看出,经过迭代能对所有训练样本正确分类
∴=
判别界面方程为
3x1-2x2-3x3+1=0
六、用MSE(梯度法)算法检验下列模式的线性可分性。ω1:{(0,1)’,(0,-1)’ },ω2:{(1,0)’,(-1,0)’ }。
解:
将训练样本增广及规范化后,得到
则
利用伪逆法
利用H-K算法,
设置步数k=0
则
的各分量均为负值,则停止迭代
∴无法求得方程组的解,所以模式线性不可分。
七、已知ω1:{(0,0)’},ω2:{(1,1)’},ω3:{(-1,1)’}。用感知器算法求该三类问题的判别函数,并画出解区域。
解:
d(x)=9x2+7y2+5=0
设y1=x2,y2=x
则广义线性判别函数为
它对应的正负空间如下图: