第二章节贝叶斯决策理论.pptVIP

1 第1章 绪论 第2章 贝叶斯决策理论 2.0 基本概念 2.1 最小错误概率的Bayes决策 2.2　最小风险的Bayes决策 2.3　Neyman-Pearson决策 2.4　Bayes估计和Bayes学习 2.5 正态分布时的Bayes决策法则 2.6　离散情况的Bayes决策 两个条件： 各类别总体的概率分布是已知的 要决策的类别数是一定的 待识别对象有d种特征测量值，每种特征值都是一个随机变量，组成d维随机向量 d种特征的所有取值范围构成d维特征空间 2.1 最小错误概率的Bayes决策 在模式识别问题中，感兴趣的往往是尽量减小分类错误的概率。为此，我们可以建立一个能得到最小错误率的决策方法。看一个简单的例子。 假设某工厂生产两种大小，外形都相同的螺丝钉，一种是铜的，一种是铁的。两种产品混在一起，要求对它们自动分类。分两种情况讨论： （1）先验概率已知； （2）先验概率和条件概率密度函数均已知。 先验概率已知 铁螺丝出现的概率—— 铜螺丝出现的概率—— 它们反映了我们在下一个样品出现前对它的类别可能性的先验知识，称这种先于事件的概率为先验概率。 合理的决策规则： 决策错误的概率： 先验概率和条件概率密度函数均已知 铁螺丝出现的概率—— 铜螺丝出现的概率—— 铁螺丝出现的概率—— 铜螺丝出现的概率—— ——螺丝背光源照射后反射光