神經網絡模式識別與傳統的模式識別在很多方麵都是相互關聯的,這種關聯不僅在於它們都是試圖從樣本數據出發完成模式識別問題,更重要的是它們在方法上具有一定的等價關係。神經網絡擁有強大的非線性映射能力,它能夠把在低維高度非線性的輸入空間變換到由其隱含層構成的高維輸出空間,在這個高維空間中可以較容易找到合適的判決表麵,甚至變得線形可分。這與Fisher線性判別準則相對應,可以看做是Fisher線性判別的非線性多維推廣。Fisher線性判別分析就是找出一種線性變換,並使變換後的Fisher準則函數最大。而線性的多維感知機,在其隱含層輸出的空間中就可以實現該準則函數最大。當訓練樣本數趨於無窮大時,以使目標訓練的多層感知機的輸出為均方誤差最小,在統計意義上是對樣本貝葉斯後驗概率的最小均方誤差估計。
正文 12.2神經網絡模式識別方法與傳統模式識別方法的關係(1 / 1)