模式识别及其算法实现教学(精品·公开课件).pptVIP

模式识别 第五章 统计决策中的训练、学习 与错误率测试、估计 统计推断概述 参数估计 概密的窗函数估计法 有限项正交函数级数逼近法 第五章 统计决策中的训练、学习 与错误率测试、估计 5·1 统计推断概述 5·2 参数估计 5.2.1 均值矢量和协方差阵的矩法估计 5.2.2 最大似然估计(MLE) 5.2.3 贝叶斯估计(BE) 5·4 概密的窗函数估计法 (1) 是 的渐近无偏估计 证明： P—窗法的特点 适用范围广，无论概密是规则的或不规则的、单峰的或多峰的。 5·5 有限项正交函数级数逼近法 例：用逼近法求如下模式类别的 和  的估计。 解：用正交的二维Hermite多项式来构成正交函数集。 使用最小错误判决规则: 令 作业: 5.9 但它要求样本分布较好且数量要大，显然这也是一个良好估计所必须的，但它的取样过程的操作增加了取样工作的复杂性。 窗函数选取得当有利于提高估计的精度和减少样本的数量。 （a） 图中，p(x)是均值为零、方差为1的一维正态分布，窗函数选择为正态窗函数： h1为可调节参量。于是： （a） 由结果曲线可以看出，样本量越大，估计越精确；同时，也可以看出窗口选择是否适当对估计结果有一定影响。 和 同上 由图中曲