PHD采集、存储、重现历史及实时工厂数据，使得在生产车间、工厂乃至全公司范围内均能及时了解相关数据信息。PHD支持跨越多个工厂和现场的多控制系统及多应用程序的大规模集成，提供无缝的数据集成接口、自动故障恢复的数据采集、自动历史数据恢复功能，保证大型长期周期历史数据库的数据安全与可靠性，确保用户能随时数据以及与各类应用的有效集成。PHD把位号(数据点)的配置信息保存在一个单独的配置数据库中，...

在前一讲中，我们讨论了决策论，其中决策者面对的结果和支付只依赖于他本人的决策，而不依赖一个或者多个其他参与者的决策。决策论最后决定的结果可能存在机会和风险，但不会与另一个参与者的决策有关系。比如假定两个国家在军备竞赛而希望裁军，如果一方裁军，这个国家的结果不仅依赖于该国的决策，也依赖于第二个国家的决策。如果只依赖于一个参与者，我们把这类决策模型称为决策论；如果结果依赖于多于一个参与者的决策，我..

3.6二次准则函数及其解法对线性不可分样本集，求一解矢量使得错分的模式数目最少。求解最佳权矢量的几种方法：例题：

3.3.1判别函数值的大小、正负的数学意义：上述方程表述一超平面π。它有以下三个性质:3.3.2权空间、解矢量与解空间：a).权空间：b)解矢量c)解空间N个训练模式将确定N个界面，每个界面都把权空间分为两个半空间，N个正的半子空间的交空间是以权空间原点为顶点的凸多面锥。每一个训练模式都对解区提供一个约束，训练模式越多，解区的限制就越多，解区就越小，就越靠近解区的中心，解矢量w...

3.5.2感知器训练算法在多类问题中的应用处理多类问题的方法：例题：

聚类分析：无先验知识，按最近距离原则进行分类；代数界面方法：有先验知识，要进行训练，按判别函数符号或大小进行分类；最近邻方法：有先验知识，但不进行训练，按最近距离原则进行分类3.6最近邻方法3.6.1最近邻决策规则K-NN3.6.2剪辑最近邻方法...

3.4Fisher线性判别：思想：多维——Fisher变换——利于分类的一维；方法：求解矢量w*-使其满足上述目标的投影轴的方向w和在一维空间中确定判别规则。例如：二维模式向一维空间投影示意图：求解Fisher最佳鉴别矢量：利用二次型关于矢量求导的公式可得：...

1.分类的基本原理：不同模式对应特征点在不同的区域中分布。运用已知类别的训练样本进行学习，产生若干个代数界面d(x)=0，将特征空间划分为一些互不重叠的子区域。2.判别函数：表示界面的函数d(x)称为判别函数；对于两类的分类问题，若线性可分，它们的边界线就是一个判别函数：若线性不可分，则如下图所示：对于三类的分类问题，它们的边界线也是一个判别函数：3.1 用判别域界面方程分类的...

2.4.1 聚类的技术方案聚类的算法归纳起来大概有三类：a).按最小距离原则简单聚类方法；b).按最小距离原则进行两类合并的方法；c).依据准则函数动态聚类方法；（1）按最小记录原则简单聚类方法：针对具体问题确定相似性阀值，将模式到各聚类中心间的距离与阀值比较，当该值大于阀值时该模式就作为另一类的类心，小于阀值时就按最小距离将其划分到某一类中。特点：这类算法运行中模式的类别以及类的中...

3.5.1感知器算法：感知器算法流程图：算法原理：矫正过程如图所示：举例：已知两类模式训练样本如下：（0,0），（0,1）属于1类，（1,0），（1,1）属于2类。...