哈工大模式识别课程3用概率密度函数估计_第1页
哈工大模式识别课程3用概率密度函数估计_第2页
哈工大模式识别课程3用概率密度函数估计_第3页
哈工大模式识别课程3用概率密度函数估计_第4页
哈工大模式识别课程3用概率密度函数估计_第5页
已阅读5页，还剩39页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

,哈尔滨工业大学,第3章概率密度函数估计,主要内容,引言参数估计正态分布的参数估计非参数估计本章小结,引言,【引言】,【引言】,【引言】,【引言】,【引言】,【引言】,参数估计,【参数估计】,【最大似然估计】,【最大似然估计】,【最大似然估计】,【最大似然估计】,【最大似然估计】,【最大似然估计】,【最大似然估计】,例子：,【贝叶斯估计】,【贝叶斯估计】,【举例】,假设,结论：,【贝叶斯估计】,【贝叶斯学习】,【三种方法总结】,【三种方法总结】,正态分布的参数估计,【最大似然估计】,单元正态分布：,多元正态分布：,【贝叶斯估计】,【贝叶斯估计】,非参数估计,【基本思想】,令R是包含样本点x的一个区域，其体积为V，设有n个训练样本，其中有k个落在区域R中，则可对概率密度作出一个估计：,相当于用R区域内的平均性质来作为一点x的估计，是一种数据的平滑。,【基本思想】,当n固定时，V的大小对估计的效果影响很大，过大则平滑过多，不够精确；过小则可能导致在此区域内无样本点，k=0。,此方法的有效性取决于样本数量的多少，以及区域体积选择的合适。,构造一系列包含x的区域R1,R2,，对应n=1,2,，则对p(x)有一系列的估计：,当满足下列条件时，pn(x)收敛于p(x)：,Parzen窗法：区域体积V是样本数n的函数，如：,K-近邻法：落在区域内的样本数k是总样本数n的函数，如：,【Parzen窗法和K-近邻法】,【Parzen窗法和K-近邻法】,定义窗函数,【Parzen窗法】,超立方体中的样本数：,【Parzen窗法】,概率密度估计：,上述过程是一个内插过程，样本xi距离x越近，对概率密度估计的贡献越大，越远贡献越小。只要满足如下条件，就可以作为窗函数：,【Parzen窗法】,【Parzen窗法】,窗函数,hn称为窗的宽度,【Parzen窗法】,【Parzen窗法】,保存每个类别所有的训练样本；选择窗函数的形式，根据训练样本数n选择窗函数的h宽度；识别时，利用每个类别的训练样本计算待识别样
人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论