论文部分内容阅读
允许经验风险不为0是现代模式分类器构造方法区别于传统模式分类器构造方法的标志．为了进一步研究分类器构造观点的变化对模式分类系统所产生的更深入的影响，拓展模式分类系统的学习空间，作者讨论了限制经验风险必须为0的传统模式分类系统在分类性能问题上所受的限制，分析了影响模式分类系统分类性能的关键因素，给出了学习空间可拓展的必要条件，并构造了一种投机学习方法，证明了学习空间可拓展的充分条件．同时，在实验中观察到，分类器评价与测试集上的分类风险是非一致单调的．这一结论对于模式识别及其应用研究是严峻的．