8.4神经网络模式识别典型方法 口前馈神经网络与统计模式识别在方法上具有一定 的等价关系： ■单层感知器一线性分类器 ■多层感知器一非线性分类器 ·径向基函数网络一Parzen窗密度估计分类器 口多层感知器集特征提取与分类于一体： ■隐层进行非线性特征提取，将输入空间变换到隐 层输出空间，使样本在此空间具有最好的可分性 ■输出层进行分类决策（有时仅需线性分类）。43 8.4 神经网络模式识别典型方法  前馈神经网络与统计模式识别在方法上具有一定 的等价关系：  单层感知器 — 线性分类器  多层感知器 — 非线性分类器  径向基函数网络 — Parzen 窗密度估计分类器  多层感知器集特征提取与分类于一体：  隐层进行非线性特征提取，将输入空间变换到隐 层输出空间，使样本在此空间具有最好的可分性。  输出层进行分类决策（有时仅需线性分类）