贝叶斯决策理论...pptVIP

第二章 贝叶斯决策理论 主要内容是说明分类识别中为什么会有错分类，在何种情况下会出现错分类？错分类的可能性会有多大？在理论上指明了怎样才能使错分类最少？ 重点理解这一章的关键是要正确理解先验概率，类概率密度函数，后验概率这三种概率，对这三种概率的定义，相互关系要搞得清清楚楚。Bayes公式正是体现这三者关系的式子，要透彻掌握。 课前思考 重点 难点 §2.1 引言 模式识别是一种分类问题，即根据识别对象所呈现的观察值，将其分到某个类别中去。统计决策理论是处理模式分类问题的基本理论之一，对模式分析和分类器的设计起指导作用。贝叶斯决策理论是统计模式识别中的一个基本方法，我们先讨论这一决策理论，然后讨论涉及统计判别方法的一些基本问题。 特征向量与特征空间 贝叶斯决策理论方法所讨论的问题 §2.2 几种常用的决策规则 不同的决策规则反映了分类器设计者的不同考虑，对决策结果有不同的影响。其中最有代表性的是： 2.2.1 基于最小错误率的贝叶斯决策 分类识别中为什么会出现错分类，在何种情况下回出现错分类？错分类的可能性有多大？ 先验概率、后验概率、概率密度函数 先验概率、后验概率、概率密度函数 先验概率、后验概率、概率密度函数 基于最小错误率的贝叶斯决策 例2.1 基于最小错误率贝叶斯决策的证明 两类别情况 c类别情况 例: 应用贝叶斯决策的肤色提取 2.2.2