感知器准则函数 n 对于任何一个增广权向量a ， n 对样本y 正确分类，则有：a T y0 n 对样本y 错误分类，则有：a T y0 n 定义一准则函数J P (a) ( 感知准则函数) ： 感知器 感知器 准则 准则 被错分类的规范化 增广样本集 n 恒有J P (a)0 ，且仅当a 为解向量，Y k 为空集（不 存在错分样本）时， J P (a)=0 ，即达到极小值。确 定向量a 的问题变为对J P (a) 求极小值的问题。梯度下降算法 n 梯度下降算法：对( 迭代) 向量沿某函数的负 梯度方向修正，可较快到达该函数极小值。 感知器 感知器 准则 准则算法(step by step) 感知器 感知器 准则 准则 1. 初值: 任意给定一向量初始值 a(1) 2. 迭代: 第k+1 次迭代时的权向 量a( k+1) 等于第k 次的权向 量a( k) 加上被错分类的所有 样本之和与r k 的乘积 3. 终止: 对所有样本正确分类 任意给定一向量 初始值a(1) a( k+1)= a( k)+ r k Sum ( 被错分类的所有样本) 所有样本 正确分类 得到合理的a 完成 分类器设
