模式识别之贝叶斯决策.pdf

  1. 1、本文档共112页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
模式识别之贝叶斯决策

第2章 贝叶斯(Bayes)决策理论 2.1 引言(已知条件、欲求解的问题) 2.2 几种常用的决策规则 2.3 正态分布时的统计决策 2.4 离散情况的贝叶斯决策 2.5 分类器的错误率问题 2.1 引言 模式识别的分类问题:根据待识别对象的 特征观察值,将其分到某一个类别中 Bayes决策理论的基本已知条件 ①已知决策分类的类别数为c,各类别的状态为:  , i 1,..., c i ②已知各类别总体的概率分布(各个类别出现 的先验概率和类条件概率密度函数) P ( ), p(x |  ),i 1,...,c i i Bayes决策理论欲解决的问题 如果在特征空间中观察到某一个(随机) 向量 x = ( x 1 , x2 ,…, xd )T 那么,应该将x分到哪一个类才是最合理的? 2.2 几种常用的决策规则 2.2.1 基于最小错误率的Bayes决策 2.2.2 基于最小风险的Bayes决策 2.2.3 Neyman-Pearson决策 2.2.4 最小最大决策 2.2.5 序贯分类方法 2.2.1 基于最小错误率的Bayes决策 利用概率论中的Bayes公式进行分类,可以 得到错误率最小的分类规则 已知条件 ①类别状态的先验概率 P ( ) i p (x |  ) ②类条件概率密度 i i 1,...,c 根据Bayes公式得到状态的后验概率 p (x |  )P ( ) P ( | x) i i i c p (x |  )P ( ) j j j 1 后验 = 似然 x 先验 / 证据因子 基本决策规则 if P ( | x) max P ( | x) then x  i j i j 1,...,c 将 x 归属后验概率最大的类别 两类情况下的Bayes 决策规则及其变型 ①Bayes决策规则 如果 P ( | x) max P( | x), 则 x i j i j 1,2  1 如果 P( | x)

文档评论(0)

dajuhyy + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档