模式识别孙即祥第4章习题解.docVIP

第四章 习题解 ? 4.2 设一维两类模式满足正态分布，它们的均值和方差分别为，?1=0，?1=2，?2=2，?2=2，p(x) ?N(?,?)，窗函数P(ω1)= P(ω2)，取0-1损失函数，试算出判决边界点，并绘出它们的概率密度函数曲线；试确定样本-3，-2，1，3，5各属哪一类。 解： 1 x 已知 ， ? 牋牋牋牋牋牋牋牋?)= P(ω2)， ? ? ? ? ? ? ? ? 由Bayes最小损失判决准则： 如果 ，则判 ，否则判 。 ?如果 ，则判 ，否则判 。 ?-3，-2属于ω1；1，3，5属于ω2。 ? 4.7 在图像识别中，假定有灌木丛和坦克两种类型，分别用ω1和ω2表示，它们的先验概率分别为0.7和0.3，损失函数如表3.1所示。现在做了四次试验，获得四个样本的类概率密度如下： 牋牋牋牋?图像识别中：0.1，0.15，0.3， 0.6 x1??? x2??? x3??? x4???? x ：0.8，0.7，0.55， 0.3 （1）?? 试用贝叶斯最小误判概率准则判决四个样本各属于哪个类型； （2）?? 假定只考虑前两种判决，试用贝叶斯最小风险准则判决四个样本各属于哪个类型； （3）?? 将拒绝判决考虑在内，重新考核四次试验的结果。 表3.1 类型损失 判决 ω1 ω2 ?1 (判为ω1) 0.5 2.0 ?2 (判为ω2) 4.0 1.0 ?3 (拒绝判决) 1.5 1.5 解： （1）两类问题的Bayes最小误判概率准则为 如果 ，则判 ，否则判 。 由已知数据，?12=0.3/0.7=3/7， 样本x1：∵ l12（x1）=0.1/0.8?12=3/7 ? x1?ω2 样本x2：∵ l12（x2）=0.15/0.7?12=3/7 ? x2?ω2 样本x3：∵ l12（x3）=0.3/0.55?12=3/7 ? x3?ω1 样本x4：∵ l12（x4）=0.6/0.3?12=3/7 ? x4?ω1 ? （2）不含拒绝判决的两类问题的Bayes最小风险判决准则为 如果 ，则判 ，否则判 。 由已知数据，?12=0.3?（2 - 1）/[0.7?（4 - 0.5）]=3/24.5， 样本x1：∵ l12（x1）=1/8?12=6/49 ? x1?ω1 样本x2：∵ l12（x2）=3/14?12=6/49 ? x2?ω1 样本x3：∵ l12（x3）=6/11?12=6/49 ? x3?ω1 样本x4：∵ l12（x4）=6/3?12=6/49 ? x4?ω1 ? ? （3）含拒绝判决的两类问题的Bayes最小风险判决准则为 其中条件风险： 后验概率： ? 记 ? ? (4.7-1) 则，含拒绝判决的两类问题的Bayes最小风险判决准则为 对四个样本逐一列写下表，用(4.7-1)式计算r(?j|x)。 样本x1： ?(?j|ωi)??? 类型 损失 判决 ω1 p(x|ω1)P(ω1)= 0.1?0.7=0.07 ω2 p(x|ω2)P(ω2)= 0.8?0.3=0.24 ? r(?j|x) ? ?1 (判为ω1) 0.5 2.0 0.5*0.07+2*0.24=0.515 ?2 (判为ω2) 4.0 1.0 4*0.07+1*0.24=0.52 ?3 (拒绝判决) 1.5 1.5 1.5*0.07+1.5*0.24=0.465 因为r(?3|x1)=0.465最小，所以拒绝判决； 样本x2： ?(?j|ωi)??? 类型 损失 判决 ω1 p(x|ω1)P(ω1)= 0.15?0.7=0.105 ω2 p(x|ω2)P(ω2)= 0.7?0.3=0.21 ? r(?j|x) ? ?1 (判为ω1) 0.5 2.0 0.5*0.105+2*0.21=0.4725 ?2 (判为ω2) 4.0 1.0 4*0.105+1*0.21=0.63 ?3 (拒绝判决) 1.5 1.5 1.5*0.105+1.5*0.21=0.4725 因为r(?1|x2)=0.4725最小，所以判x2?ω1，即灌木丛，或拒绝判决； 样本x3： ?(?j|ωi)??? 类型 损失 判决 ω1 p(x|ω1)P(ω1)= 0.3?0.7=0.21 ω2 p(x|ω2)P(ω2)= 0.55?0.3=0.165 ? r(?j|x) ? ?1 (判为ω1) 0.5 2.0 0.5*0.21+2*0.165=0.435 ?2 (判为ω2) 4.0 1.0 4*0.21+1*0.165=1.005 ?3 (拒绝判决) 1.5 1.5 1.5*0.21+1.5*0.165=0.5625 因为r(?1|x3)=0.435最小，所以判x3?ω1，即灌木丛； 样本x4： ?(?j|ωi)??? 类型 损失 判决