《模式识别原理、应用及实现》 课件 2.3最小错误贝叶斯决策_第1页
《模式识别原理、应用及实现》 课件 2.3最小错误贝叶斯决策_第2页
《模式识别原理、应用及实现》 课件 2.3最小错误贝叶斯决策_第3页
《模式识别原理、应用及实现》 课件 2.3最小错误贝叶斯决策_第4页
《模式识别原理、应用及实现》 课件 2.3最小错误贝叶斯决策_第5页
已阅读5页,还剩1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

2.1最小错误率贝叶斯决策武汉理工大学1.基本思想决策规则:

讨论模式集的分类,目的是确定X属于那一类,所以要看X来自哪类的概率大。在下列三种概率中:

先验概率P(ωi)

类(条件)概率密度p(X

|ωi)

后验概率P(ωi|X)采用哪种概率进行分类最合理?问题分析:后验概率P(ωi|X)设有M类模式,(4-6)——最小错误率贝叶斯决策规则2.几种等价形式

虽然后验概率P(ωi|X)可以提供有效的分类信息,但先验概率P(ωi)和类概率密度函数p(X

|ωi)从统计资料中容易获得,故用Bayes公式,将后验概率转化为类概率密度函数和先验概率的表示。由:可知,分母与i无关,即与分类无关,故分类规则又可表示为:(4-7)对两类问题,(4-7)式相当于若,则若,则可改写为:统计学中称

为似然比,为似然比阈值。对(4-8)式取自然对数,有:(4-7),(4-8),(4-9)都是最小错误率贝叶斯决策规则的等价形式。若,则

(4-8)若,则(4-9)2.几种等价形式3.举例例4.1假定在细胞识别中,病变细胞的先验概率和正常细胞的先验概率分别为。现有一待识别细胞,其观察值为X,从类条件概率密度发布曲线上查得:试对细胞X进行分类。解:[方法1]通过后验概率计算。

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。

评论

0/150

提交评论