模式识别培训课程.ppt

Bayes最小风险决策例解 两类细胞识别问题：正常(ω1)和异常(ω2) 根据已有知识和经验，两类的先验概率为： 正常(ω1)： P(ω1)=0.9 异常(ω2)： P(ω2)=0.1 对某一样本观察值x，通过计算或查表得到： p(x|ω1)=0.2， p(x|ω2)=0.4 λ11=0， λ12=6， λ21=1， λ22=0 按最小风险决策如何对细胞x进行分类？ 最小风险决策 Bayes最小风险决策例解（2） 后验概率： P(ω1|x) =0.818， P(ω2|x) =0.182 决策结果 最小风险决策 最小风险决策的一般性 基于最小错误率的Bayes决策可作为最小风险Bayes决策的一种特殊情形。 只需要定义损失为： 最小风险决策 决策正确时，损失为0决策错误时，损失为1 2.5 正态分布的最小错误率Bayes决策 Bayes决策的三个前提： 类别数确定 各类的先验概率P(ωi)已知 各类的条件概率密度函数p(x|ωi)已知 Bayes决策中，类条件概率密度的选择要求： 模型合理性 计算可行性 最常用概率密度模型：正态分布 观测值通常是很多种因素共同作用的结果，根据中心极限定理，它们（近似）服从正态分布。 计算、分析最为简单的模型。 一元正态分布 一元正态分布及其两个重要参数： 均值（中心） 方差（分散度） 正态分布Bayes决策 多元正态分布 观测向量x：