基于吴方法的非线性分类器设计

摘要

在模式识别领域工程实际中占大多数的是非线性问题,传统的分类器设计方法是将非线性问题转化为线性问题解决,但是这样不能很好的解决日益复杂化的非线性问题.文中提出的新方法为解决非线性问题提供一个新的思路和手段.该方法立足于直接处理非线性问题的吴文俊方法,进行非线性分类器的设计.经过选择分类函数的复杂度和训练点,建立非线性方程组,使用吴方法解出这个非线性方程组,得到分类函数.使用该方法进行异或问题和鸢尾花数据的实例研究,并与神经网络方法和支持向量机方法进行比较分析.该方法是使得结构风险和经验风险总体最小化的方法,并且过程直接、简洁、运算量小.该方法尽管有不完善的部分,但是不失为有潜力发展的新方法.