Perceptron:
1、一种基于监督的线性分类器，其特点是：1）模型简单，具有很少的学习参数；2）具有可视性，一条直线即可划分；3）基于人工神经网络的原理。
其结构图为： 
2、学习的关键技术：
对于错分的点进行进行权重更新，即那些
不等于1的点，使用公式
进行权重更新，对于那些正确分类的点，不进行权重更新。示意图如下：
此时，
3、算法流程为：
4、算法收敛性证明：证明cos(w*,w)＜１即可。
5、算法的不足和改进：
1）对于线性不可分的情况，算法将不会停止。
2）带权重的perceptron，为算法添加一个w的置信度c，则原来的检测函数h(x)变换为：
。
原文：http://www.cnblogs.com/jiangnanrain/p/3591351.html