模式识别期末论文二资料.docVIP

深圳大学研究生课程：模式识别理论与方法 课程作业实验报告 实验名称：Bayes Classifier 实验编号：Proj02-01 姓 名：晏 细 兰 学 号：2100130314 规定提交日期：2011年 1 月 20 日 实际提交日期：2011年 1月 20 日 摘 要：本实验是使用贝叶斯决策论原理，设计实现一个分类两类模式（该两模式类的分布均为高斯分布）样本的贝叶斯分类器，模式的均值与方差均已知；利用proj01-01中的相关函数和课本第二章的判别函数完成判别两模式类，并统计分类的正确率。 技术论述： 由题知第一个模式类的第一个特征分量服从均值为m1(1),方差为S1(1)的正态分布，第一个模式类的第二个特征分量服从均值为m1(2),方差为S1(4)的正态分布，第二个模式类的第一个特征分量服从均值为m2(1),方差为S2(1)的正态分布，第二个模式类的第二个特征分量服从均值为m2(2),方差为S2(4)的正态分布。贝叶斯定理跟随机变量的条件概率以及边缘概率分布有关，通常，事件A在事件B（发生）的条件下的概率，与事件B在事件A的条件下的概率是不一样的；然而，这两者是有确定的关系，贝叶斯定理如下： 其中P(A)是A的先验概率或边缘概率，P(A|B)是已知B发生后A的条件概率，P(B|A)是已知A发生后B的条件概率，P(B)是B的先验概率或边缘概率。二分分类器