贝叶斯决策理论和统计判别的方法.pptVIP

正态分布概率模型下的最小错误率贝叶斯决策 三维特征 正态分布概率模型下的最小错误率贝叶斯决策 (1.2)Σi=σ2I P(ωi)=P(ωj) P(ωi)?P(ωj)时决策面方程 WT(X－X0)＝0 P(ωi)=P(ωj)时决策面方程 WT(X－X1)＝0 W＝μi-μj W＝μi-μj 正态分布概率模型下的最小错误率贝叶斯决策 一维特征 正态分布概率模型下的最小错误率贝叶斯决策 二维特征 正态分布概率模型下的最小错误率贝叶斯决策 三维特征 正态分布概率模型下的最小错误率贝叶斯决策 在Σi=σ2I P(ωi)=P(ωj)条件下，正态分布概率模型下的最小错误率贝叶斯决策等价于最小距离分类器 最小距离分类器的定义 每个样本以它到每类样本均值的欧氏距离的最小值确定其分类，即 如果 则X∈ωi 正态分布概率模型下的最小错误率贝叶斯决策 最小欧氏距离是决定分类的准则 正态分布概率模型下的最小错误率贝叶斯决策 (2)Σi=Σ 也是一种比较简单的情况 各类协方差矩阵都相等 从几何上看各类别样本集中于以该类均值为中心的同样大小和形状的超椭球内 正态分布概率模型下的最小错误率贝叶斯决策 在二维特征空间的情况 正态分布概率模型下的最小错误率贝叶斯决策 原判别函数: 判别函数可简化为 如果c类先验概率都相等，可进一步简化为 r2就是Mahalanobis距离 正态分布