2_贝叶斯分类器_gai.pptVIP

第二章 贝叶斯分类器; 模式识别的分类问题就是根据待识别对象的特征向量值及其它约束条件将其分到某个类别中去。统计决策理论是模式分类问题的基本理论之一,它对模式分析和分类器的设计有着实际的指导意义,贝叶斯(Bayes)决策方法是统计模式识别中的一个重要方法,是处理模式分类问题的基本理论之一。本章要讨论的贝叶斯分类器在统计模式识别中被称为最优分类器。;例1 癌细胞识别问题: 如何区分正常细胞与癌细胞?;采用贝叶斯方法必须满足下列两个条件:;模式识别问题;2.1 最小错误率判别规则;1.问题描述;计算后验概率;2.判别规则;＞ ;3. 决策域.判别函数;;;;分类器设计;4.参数估计;5.计算实例;;2.2 最小风险判别规则;1.问题的提出;;2.损失.条件风险;;;3.判别规则;;;4.两种贝叶斯判别法的联系;;5.计算实例;;2.3 分类器的错误率;1.错误率;2.贝叶斯分类器的???误率;;;;3.特殊情形下错误率计算;;;;4.错误率估计;;;;2.4 奈曼-皮尔逊判别规则;1.问题的引入;2.判别规则;;;由 F = ( 1 - λq ) + ∫ [ λP (x/ω 2) - P (x/ω 1) ]d x ;;4.计算实例;;;;2.5 最小最大判别规则;1.基本思想;2.平均风险;;;;;;;作业