2.2　线性分类器

在许多实际问题中，由于样本特征空间的类条件密度函数常常很难确定，利用Parzen窗等非参数方法估计分布又往往需要大量样本，而且随着特征空间维数的增加所需样本数急剧增加，因此在实际问题中，往往不去求类条件概率密度，而是利用样本集直接设计分类器。具体说就是首先给定某个判别函数，然后利用样本集确定判别函数中的未知参数。这种方法称为判别函数法，并且根据其中判别函数的形式，可分为线性分类器和非线性分类器。线性分类器较为简单，在计算机上容易实现，在模式识别中应用非常广泛。