《模式识别原理、应用及实现》 课件 3.3 贝叶斯估计与贝叶斯学习_第1页
《模式识别原理、应用及实现》 课件 3.3 贝叶斯估计与贝叶斯学习_第2页
《模式识别原理、应用及实现》 课件 3.3 贝叶斯估计与贝叶斯学习_第3页
《模式识别原理、应用及实现》 课件 3.3 贝叶斯估计与贝叶斯学习_第4页
《模式识别原理、应用及实现》 课件 3.3 贝叶斯估计与贝叶斯学习_第5页
已阅读5页,还剩10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

3.3贝叶斯估计与贝叶斯学习武汉理工大学3.3贝叶斯估计与贝叶斯学习贝叶斯估计可描述为给定样本集,对样本的概率密度函数的真实参数进行估计,使其估计值带来的贝叶斯风险最小。3.3贝叶斯估计与贝叶斯学习贝叶斯估计和贝叶斯学习将未知参数看作随机参数进行考虑。1.贝叶斯估计和贝叶斯学习的概念1)贝叶斯估计步骤:

2)贝叶斯学习迭代计算式的推导:(4-72)(4-71)式中除样本XN以外其余样本的集合(4-72)(4-73)将(4-73)式代入(4-72)式得类似地,(4-74)(4-75)将(4-75)式代入(4-74)式得(4-76)参数估计的递推贝叶斯方法,迭代过程即是贝叶斯学习的过程迭代式的使用:*给出X2,对用X1估计的结果进行修改。2.正态分布密度函数的贝叶斯估计和贝叶斯学习1)贝叶斯估计*逐次给出X3,X4,…,XN,得到式中,(4-79)有由于有式中,——与最大似然估计形式类似式中,同前2)贝叶斯学习图4.14均值的贝叶斯学习过程示意图可见:多维正态分布:,C已知,M未知。则利用贝叶斯估计得到的M的后验

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