第二章节随机模式的分类方法1.pptVIP

随机模式的分类方法; 目 录;2.1 引言;2.1 引言; 许多实际情况，即使在类型A的条件下，模式样本x位于区域A的概率也往往小于1，而位于区域B的概率也不为0。对于类型B的条件也一样。这种交错分布的样本使分类发生错误，是模式随机性的一种表现。此时，分类方法就从确定性模式转到随机模式。 “如何使分类错误率尽可能小，是研究各种分类方法的中心议题。”;Bayes决策理论是随机模式分类方法最重要的基础。 其中几个重要的概念： 先验概率 先验概率是预先已知的或者可以估计的模式识别系统位于某种类型的概率。 类（条件）概率密度 它是系统位于某种类型条件下，模式样本x出现的概率密度分布函数 后验概率 后验概率可以根据贝叶斯公式计算出来，可直接用作分类判决的依据。 ;先验概率 先验概率是预先已知的或者可以估计的模式识别系统位于某种类型的概率。 若仍然用两个类型A和B为例，可用 和 表示各自的先验概率，此时满足 。 推广到一般的c类问题中，用 表示类型，则各自的先验概率用 表示，且满足：