感知器算法(perceptron algorithm)
算法实现步骤
给定一个增广的训练模式集 {y1,y2,⋅⋅⋅,yN},其中每个模式类别已知,它们分别属于w1类,w2类 \{ y_1,y_2,···,y_N \},其中每个模式类别已知,它们分别属于w_1类,w_2类:
- 给定初步数始值 K=0,令增量ρ=C,(C为正常数),给定初始增广权矢量W(0) K= 0,令增量\rho=C,(C为正常数),给定初始增广权矢量W(0)赋任意小的值;
- 输入训练模式 yK,计算判别函数值:W(K)T∗yK y_K,计算判别函数值:W(K)^T*y_K;
校正增广权矢量,校正规则是:
若 yK∈w1和W(K)T∗yK≤0则:W(K+1)=W(K)+ρ∗yK y_K\in{w_1}和W(K)^T*y_K\le{0}则:W(K+1) = W(K)+\rho*y_K;
若 yK∈w2和W(K)T∗yK≥0则:W(K+1)=W(K)−ρ∗yK y_K\in{w_2}和W(K)^T*y_K\ge{0}则:W(K+1) = W(K)-\rho*y_K;
否则不需校正即: W(K+1)=W(K) W(K+1) = W(K).若 w2 w_2类各个分量乘 (−1), (-1),则校正规则为:
W(K)T∗yK≤0则:W(K+1)=W(K)+ρ∗yK W(K)^T*y_K\le{0}则:W(K+1) = W(K)+\rho*y_K;令 K=K+1 K = K+1,继续第二步,直到W对所有的样本均稳定不变,即对样本进行正确分类结束。
Matlab代码实现
clear all;
close all;
clc;%给定样本:
%w1 = (x1,x2) = {(0,0),(0,1)}
%w2 =(x3,x4)= {(1,0),(1,1)}
x1 = [0,0];x2 = [0,1];x3 = [1,0];x4 = [1,1];
%增广型训练模式集
y1 = [x1,1];y2 = [x2,1];y3 = [-x3,-1];y4 = [-x4,-1];
y = [y1;y2;y3;y4];
%给定初始权矢量,增量,步数
W = [1;1;1]; P = 1; K = 0;d = zeros(4,2000);%用来存储判别函数
for i = 1:2000for j = 1:4K = K + 1;d(j,i) = y(j,:)*W;if d(j,i) <= 0 W = W + y(j,:)';%当d<=0,需校正;d>0,不校正endendif d(:,i)>0 %迭代到所有训练样本的判别函数大于0时,结束迭代,输出解向量disp( '所求的解向量W为:');disp( num2str(W));breakend
end
结果图
感知器算法(perceptron algorithm)相关推荐
- 人工神经网络—感知器算法
感知器算法 1. 回顾 2. 感知器算法 2.1 感知器算法的实现步骤 2.2 算法能停得下来吗? 2.3 基于增广向量的感知器算法 2.4 感知器算法收敛定理 3. 感知器算法收敛的MATLAB程序 ...
- 人工神经网络—感知器算法的意义
感知器算法的意义 1. 回顾 2. 感知器算法的意义 2.1 机器学习算法的框架的提出 2.2 框架的介绍 2.3 感知器算法的优势 3. 结尾 参考资料 1. 回顾 在上一讲中,我们讲到了Rosen ...
- 感知器算法例题ppt_感知器算法.ppt
您所在位置:网站首页 > 海量文档  > 计算机 > 数据结构与算法 感知器算法.ppt14页 本文档一共被下载:次, ...
- 感知器算法例题ppt_感知器算法学习课件.ppt
W的训练过程: 例如:x1, x2, x3∈ω1 作 x1, x3的垂直线可得解区(如图) 假设起始权向量w1=0 ρk = 1 1. x1, x2, x3三个矢量相加得矢量2,垂直于矢量2的超平面H ...
- Perceptron Algorithm 感知器算法及其实现
Rosenblatt于1958年发布的感知器算法,算是机器学习鼻祖级别的算法.其算法着眼于最简单的情况,即使用单个神经元.单层网络进行监督学习(目标结果已知),并且输入数据线性可分.我们可以用该算法来 ...
- 感知器算法(Perceptron)
目录 引言 感知器 Matlab代码 效果展示 Python代码 效果展示 C++代码 效果展示 引言 本专栏第二个机器学习算法:感知器算法,全部代码通过Github下载,使用Matlab,Pytho ...
- 感知器算法(PLA)
PLA全称是Perceptron Linear Algorithm,简称PLA 原理 <统计学习基础> 李航 感知器是二分类的现行分类模型,其输入为实力的特征向量,输出为实例的类别,取+1 ...
- 【基础机器学习算法原理与实现】使用感知器算法LDA、最小二乘法LSM、Fisher线性判别分析与KNN算法实现鸢尾花数据集的二分类问题
本文设计并实现了PerceptronLA.PseudoIA.LeastSM.LinearDA.KNN等五个算法类,以及DataProcessor的数据处理类.对感知器算法LDA.最小二乘法LSM的伪逆 ...
- 模式识别系列(一)感知器算法(PLA)
目录 写在前头 1.感知器算法简介 2.Perceptron Learning Algorithm(PLA) 2.1权重向量和特征向量到分类面的距离 2.2PLA的原理和流程 2.3PLA的收敛性证明 ...
- 【模式识别】C++实现感知器算法
一.问题描述 编写一个感知器算法程序,用此程序求解下列模式分类的解向量: ω1:{(0 0 0),(1 0 0),(1 0 1),(1 1 0)} ω2:{(0 0 1),(0 1 1),(0 1 0 ...
最新文章
- POJ Mayor's posters——线段树+离散化
- python序列化和反序列化
- python【力扣LeetCode算法题库】28-实现 strStr()
- 【Python基础知识-pycharm版】第一节-基础
- 别学了!这 5 种即将消亡的编程语言
- Python网络编程基础
- B站签约冯提莫,能否靠直播业务实现年入一百亿目标?
- Java Spring-注解进行属性注入
- 网页自动切换html css js,HTML页面自动清理js、css文件的缓存(自动添加版本号)_HTML/Xhtml_网页制作...
- Asp.Net 学习资源列表 [转]
- tracert查网络问题
- Mendix中Rest服务使用-调取服务器接口
- vue中el-calendar自定义日历控件
- openbsd运行Linux应用程序,OpenBSD上的服务管理程序rcctl
- [渝粤教育] 北京化工大学 自然辩证法概论 参考 资料
- C++: 猴子选大王
- 数值计算(三)-插值法(2)牛顿插值法
- 管理者的角色修炼-第一课总结
- hexo设置网站的图标Favicon
- oninput 、onpropertychange 、addEvent思考
热门文章
- 谷歌浏览器主页被挟持篡改2345www.dh012.com
- 停车还能360全方位影像_路虎(揽胜运动星脉极光发现)车主如何选购360全景安全辅助系统...
- 2017 ACM Arabella Collegiate Programming Contest A. Sherlock Bones GYM101350A
- 捷径智慧物业系统助力“书香小区”建设
- 摄像头拍摄视频,保存视频,并将视频保存为图片
- 力扣772 基本计算器 III
- ubuntu18.04系统中 matlab2019 和 sougou拼音冲突
- 双服务器架构实战飞桨部署-自动上色和老相片修复
- 朱善利《微观经济学》第3版课后习题答案
- 前端JSer装逼手册