第二章节_贝叶斯决策论资料.pptVIP

Chapter 2 Bayesian Decision Theory– 贝叶斯决策论 白化(Whitening) 变换 F: 其列向量是 S的正交特征向量. L: 与特征值对应的对角矩阵. 白化(Whitening) 变换 Example: 三维二值特征的贝叶斯决策 Example: 三维二值特征的贝叶斯决策 多类情况 正确分类的概率 贝叶斯分类器通过选择对所有x使得被积函数最大化的区域使正确分类的概率最大化。 没有其他分类方法能产生更小的分类概率。 2.8 正态密度的错误上界 在高斯函数的情况下, 整个误差率计算过程相当复杂。 特别是高维情形。 判决区域可能不连续。 在两类情况下，一般错误积分公式可近似的给出一个误差率的上界。 Chernoff 界 Chernoff Bound 0.66Bhattacharyya Bound 0.5 Bhattacharyya Bound Example: 在高斯分布下的错误率的界 Example:在高斯分布下的错误率的界 Bhattacharyya 界 k(1/2) = 4.06 P(error) 0.0087 Chernoff 界 0.016380 通过数值查找错误率估计 0.0021 对高维不实用 信号检测理论 在检测器某点 上有个内部信号x ： 当外部信号出现时，有均值 m2 当外部信号不出现时，有均值