模式识别教学资料：第2章 贝叶斯决策理论.pptVIP

习题： 写出多元正态概率下的最小错误率贝叶斯决策的判别函数，即 ___________。 多元正态概率下的最小错误率贝叶斯决策的决策面方程为______________________________________。 多元正态概率下的最小错误率贝叶斯决策，当类条件概率分布的协方差矩阵为 时，每类的协方差矩阵相等，且类内各特征间_________，并具有相等的方差。 多元正态概率下的最小错误率贝叶斯决策，如果先验概率相等，并且 ，那么分类问题转化为只要计算待测样本x到各类均值的_________，然后把x归于具有_________的类。这种分类器称为_________。 习题： 已知样本类条件概率密度， i=1,2。其中 ， ， ， ， 。如果用最小错误率贝叶斯决策 来进行分类器设计，决策面将___________（通过，不通过） 和 连线的中点。决策面与向量 - ____________（正交，不正交）。 多元正态概率下的最小错误率贝叶斯决策，类条件 概率密度各类的协方差矩阵不相等时，决策面是超 __________面，判别函数是__________（线性， 二次型）。 习题： 证明：多元正态概率下的最小错误率贝叶斯决策，对于 的特殊情况，最终的决策面方程为超平面。 证明：多元正态概率下的最小错误率贝叶斯决策，对于 的特殊情况，最终的决策面方程为： 多元正态概率下的最小错误率贝叶斯决策，对于 的特殊情况，证明先验概率相等时，形成的分类器是最小距离分类器。 多元正态概率下的最小错误率贝叶斯决策，对于 的特殊情况，证明判别函数是线性的。 书中习题：2.6；2.20；2.21 证明 第2章习题2.6（ 老版43页） 解： 用Bayes公式展开，最小风险贝叶斯决策决策得到： 它与人工智能关系密切，其目的是用机器完成人类智能中通过视觉、听觉、触觉等感官去识别外界环境的工作。 模式识别是一门理论与应用并重的技术科学。 它与人工智能关系密切，其目的是用机器完成人类智能中通过视觉、听觉、触觉等感官去识别外界环境的工作。 模式识别是一门理论与应用并重的技术科学。 它与人工智能关系密切，其目的是用机器完成人类智能中通过视觉、听觉、触觉等感官去识别外界环境的工作。 模式识别是一门理论与应用并重的技术科学。 目录 2.1最小错误率贝叶斯决策（重点） 2.2基于最小风险的贝叶斯决策（难点） 2.3正态分布概率密度的定义和性质 2.4多元正态概率模型下的最小错误率贝叶斯决策 2.4多元正态概率模型下的最小错误率贝叶斯决策 当样本向量的类条件分布服从正态分布： 判别函数的计算： 决策面方程 几种特殊情况 为了进一步理解多元正态概率下的判别函数和决策面，下面对一些特殊情况进行讨论： 第一种情况 第二种情况 第三种情况 第一种情况 第一种情况：每类的协方差矩阵相等，且类内各特征间相互独立，具有相等的方差 判别函数的简化计算： 先验概率相等时：最小距离分类器 先验概率相等时，即 判别函数的简化计算： 最小距离分类器 *只要计算x到各类均值的欧式距离平方，然后把x归于具有最小距离平方的类，这种分类器称为最小距离分类器 线性分类器 判别函数的简化计算： 线性判别函数 线性判别函数对应 的决策面是超平面 决策面方程 决策面方程 决策面方程 最终的决策面方程为超平面 如果 超平面通过 与 连线中点，并与连线 正交 如果 x0的位置不在 和 连线的中点上，而是在 与 连线上远离先验概率大的均值点，超平面仍然通过x0点且与向量 正交 μi μj x0 w x1 x2 Ri Rj μi μj x0 w x1 x2 R1 R2 μi μj 第二种情况 第二种情况：各类的协方差矩阵都相等。在几何上看，各样本集中于以该类均值点为中心的同样大小和形态的超椭球内