PR上机实验1.doc

模式识别实验1 贝叶斯决策 专业：数学与应用数学 学号： 姓名： 有一组（20个）待识别的细胞样本，其先验概率为0.8（正常）和0.2（异常）; 其观察值相应的类条件概率密度如下，试利用最小错误率贝叶斯决策规则和最小风险贝叶斯决策规则，分别设计一个分类器，对它们进行分类（分为两类，正常和异常）， (结果表述格式自己设计，表达清楚每个样本的分类情况即可)。风险损失值： 正常状态下（第二行）和异常状态下（第三行）细胞特征观察值的类条件概率密度见下表： 序号12345678910正常0.030.150.070.160.050.060.190.190.090.14异常0.170.050.130.040.150.140.010.010.110.06最小错误最小风险序号11121314151617181920正常0.040.030.170.040.060.180.100.160.060.18异常0.160.170.030.160.140.020.100.040.140.02最小错误最小风险 1.实验过程 最小错误率贝叶斯决策规则 正常状态： 异常状态： [0.03 0.15 0.07 0.16 0.05 0.06 0.19 0.19 0.09 0.14 0.04 0.03 0.17 0.04 0.06 0.18 0.10 0.16 0.06 0.18] [0.17 0.05 0.13 0.04 0.15 0.14 0.01 0.01 0.11 0.06 0.16 0.17 0.03 0.16 0.14 0.02 0.10 0.04 0.14 0.02] = 0.4138 0.9231 0.6829 0.9412 0.5714 0.6316 0.9870 0.9870 0.7660 0.9032 0.5000 0.4138 0.9577 0.5000 0.6316 0.9730 0.8000 0.9412 0.6316 0.9730 0.5862 0.0769 0.3171 0.0588 0.4286 0.3684 0.0130 0.0130 0.2340 0.0968 0.5000 0.5862 0.0423 0.5000 0.3684 0.0270 0.2000 0.0588 0.3684 0.0270 根据贝叶斯决策规则（2-2），比较与，可知 不正常为1、 11、12、14。 最小风险贝叶斯决策规则 根据上面的计算结果可知后验概率为 0.4138 0.9231 0.6829 0.9412 0.5714 0.6316 0.9870 0.9870 0.7660 0.9032 0.5000 0.4138 0.9577 0.5000 0.6316 0.9730 0.8000 0.9412 0.6316 0.9730 0.5862 0.0769 0.3171 0.0588 0.4286 0.3684 0.0130 0.0130 0.2340 0.0968 0.5000 0.5862 0.0423 0.5000 0.3684 0.0270 0.2000 0.0588 0.3684 0.0270 再按式（2-15）计算出条件风险 3.5172 0.4615 1.9024 0.3529 2.5714 2.2105 0.0779 0.0779 1.4043 0.5806 3.0000 3.5172 0.2535 3.0000 2.2105 0.1622 1.2000 0.3529 2.2105 0.1622 0.4138 0.9231 0.6829 0.9412 0.5714 0.6316 0.9870 0.9870 0.7660