模式识别课件(总顺序+No3)(第二章+NO2)(黄+威)(070930).pptVIP

第二章　统计判决及其参数统计 在限定一类错误率条件下使另一类错误率为最小的两类别决策，即为N-P决策。 1 概念引入　 在两类(w1,w2)下，对于最小错误率Bayes决策，是使总错误率p(e)为最小。 即 其中，P(w1)P1(e)为属于w1 的模式X被误分到w2类而产生的错误(另一个反之)。 三 Neyman-Pearson(N-P)决策 其中P1(e)和P2(e)称为(两类)错误率。 但在实际中，有时希望使其中某一类错误率为常数ε0，而使另一类错误率为最小——即N—P决策。 且 令 下，求 的极小值。 即： 采用Lagrange乘子法，构造Lagrange函数为： 其中λ是Lagrange乘子，目的是求 的极小值。 (即λ为一待定常数）。 2 N—P决策 将p1(e)与p2(e)的表达式代入　上式。 化简后 (2-25) 上式中λ是Lagrange乘子，而R1是变量，这样 的极小值问题就是要选择R1和R2的边界