模式识别04-贝叶斯分类器.pdf

模式识别导论 ——贝叶斯决策 李金屏 济南大学 信息科学与工程学院 模式识别与智能系统研究所 山东省网络环境智能计算技术重点实验室 2011年10月 目录  复习  贝叶斯决策基本思想  最小误判概率准则  最小损失判别准则  参数估计和非参数估计  总结和作业 2011-12-22 (R) 模式识别与智能系统研究所 2 目录  复习  贝叶斯决策基本思想  最小误判概率准则  最小损失判别准则  参数估计和非参数估计  总结和作业 2011-12-22 (R) 模式识别与智能系统研究所 3 复习 上一次重点介绍几个基本的聚类算法：  相似性阈值和最小距离准则的简单聚类法  最大最小距离算法  谱系聚类法  动态聚类法（C-均值） 2011-12-22 (R) 模式识别与智能系统研究所 4 复习 上一次作业：  准备之后的上机：最大最小距离算法  要求：给定了样本之后，能够自动按照该算法分 成若干类（包括设定阈值等参数）。  查阅资料：一篇关于聚类的论文。  查询并整理所学过的聚类算法。 2011-12-22 (R) 模式识别与智能系统研究所 5 目录  复习  贝叶斯决策基本思想  最小误判概率准则  最小损失判别准则  参数估计和非参数估计  总结和作业 2011-12-22 (R) 模式识别与智能系统研究所 6 贝叶斯决策基本思想  General Words (前序)  本部分重点介绍贝叶斯分类器及相关技术，用于处理未知 的概率密度。  This part focuses on Bayesian classification and technique for estimating unknown probability density functions.  所设计的分类器可以按照“最可几概率”对于未知样本进 行分类。  We will design classifiers that classify an unknown pattern in the “most probable” of the classes. 2011-12-22 (R) 模式识别与智能系统研究所 7 贝叶斯决策基本思想  General Description(一般性描述)  所谓贝叶斯决策（Bayesian Decision Theory ），就是在不 完全的信息下，对部分未知的状态用主观概率估计，然后 用贝叶斯公式对发生的概率进行修正，最后再利用期望值