第2章节_贝叶斯决策资料.pptVIP

第2章 贝叶斯决策理论Bayesian Decision Theory 模式识别是根据对象特征值将其分类。 d个特征组成特征向量x=[x1,···,xd]T，生成d 维特征空间，在特征空间一个 x 称为一个模式样本。 Bayes决策理论是用概率统计方法研究决策问题。 ⒈ 为什么可用Bayes决策理论分类？ ⑴样本的不确定性： ①样本从总体中抽取，特征值都是随机变量，在相同条件下重复观测取值不同，故x为随机向量。 ②特征选择的不完善引起的不确定性； ③测量中有随机噪声存在。 ⑵另一方面从样本的可分性来看： 当各类模式特征之间有明显的可分性时，可用直线或曲线(面)设计分类器，有较好的效果。 当各类别之间出现混淆现象时，则分类困难。 这时需要采用统计方法，对模式样本的统计特性进行观测，分析属于哪一类的概率最大。此时要按照某种判据分类，如，分类错误发生的概率最小，或在最小风险下进行分类决策等。 贝叶斯决策理论 引言 贝叶斯决策常用的准则 分类器，判别函数，决策面 正态分布的判别函数 引言 机器自动识别分类，能不能避免错分类，做到百分之百正确？怎样才能减少错误？ 错分类往往难以避免，因此就要考虑减小因错分类造成的危害损失，那么