模式识别-贝叶斯决策理论跟运用.pptVIP

模式识别理论及应用Pattern Recognition - Methods and Application 第二章 贝叶斯决策理论 内容目录 2.1 引言 基本概念 模式分类：根据识别对象的观测值确定其类别 样本与样本空间： 决策 决策准则 评价决策有多种标准，对于同一个问题，采用不同的标准会得到不同意义下“最优”的决策。 Bayes决策常用的准则： 最小错误率准则 最小风险准则 在限定一类错误率条件下使另一类错误率为最小的准则 最小最大决策准则 2.2 基于判别函数的分类器设计 判别函数 (discriminant function)：相应于每一类定义一个函数，得到一组判别函数gi(x), i = 1,2,…,c 决策区域与决策面(decision region/surface)： 决策规则(decision rule) 分类器设计 分类器是某种由硬件或软件组成的“机器”： 计算c个判别函数gi(x) 最大值选择 2.3 Bayes最小错误率决策 以两类分类问题为例：已知先验分布P(ωi)和观测值的类条件分布p(x|ωi)，i=1,2问题：对某个样本x，x∈ ω1? x∈ ω2？ 后验概率P (ωi| x)的计算 Bayes公式： 假设已知先验概率P(ωi)和观测值的类条件分布p(x|ωi)，i=1,2 公式简化 比较大小不需要计算p(x)： 公式简化 Bayes最