模式识别-非参数估计(精品·公开课件).pptVIP

Dr. Djamel Bouchaffra Applied Pattern Recognition CSE616 模式识别Pattern Classification 第五章: 非参数估计 非参数估计 原理 在实际应用中，类概率密度函数形式已知的条件并不一定成立，特别是多峰的概率分布，用普通函数难以拟合，这就需要用非参数估计技术。 非参数估计的原理是：不需获取类类概率密度的函数形式，而是直接利用学习样本估计特征空间任意点的类概率密度的值。 即直接由学习样本来直接设计分类器。 非参数估计 方法 直接由学习样本估计类概率密度P(X/ωi) ，Parzen窗口法 直接由学习样本估计后验概率P(ωi /X)， Kn 近邻法 非参数估计 思路 非参数估计 思路 用已知类别的学习样本在x处出现的频度来近似P(X/ωi)， 即： 其中：v为包含X点的区域 非参数估计 K为n个样本中落入体积v的样本数。 故： 表示单位体积内落入x点邻域的样本在总样本中的比例，可以此来近似样本在X点处的类概率密度值。 非参数估计 非参数估计 问题一 若v固定，则当n增大时， 只能表示平均概率，而不是点概率密度 因此，为保证 为点概率密度， 必须有 非参数估计 非参数估计 问题二 若样本数n固定， 则当