Bayes决策理论课件文件.pptVIP

返回本章首页 返回本章首页 返回本章首页 综上所述，可以得出：在作最小风险Bayes决策时，若考虑 有可能改变或对先验概率毫无所知，则应选择使最小Bayes风险 为最大值时的 来设计分类器，它相对于其它的 为最大，但能保证在不管 如何变化时，使最大风险将为最小，我们称其为最小最大决策。其任务就是寻找使Bayes风险为最大时的决策域 和 ，它对应于下式 然后确定 3.5 Bayes分类器和判别函数 返回本章首页 前面我们介绍了四种决策规则，这里结合第二章中介绍的判别函数和决策面的概念来设计分类器。 对于n 维空间中的 c 个模式类别各给出一个由 n 个特征组成的单值函数，这叫做判别函数。在 c 类的情况下，我们共有 c个判别函数，记为 判别函数的性质 假如一个模式 X 属于第 i 类，则有 而如果这个模式在第 i 类和第 j 类的分界面上，则有 返回本章首页 1 多类情况 最小错误率的Bayes决策规则： 可设判别函数为： 返回本章首页 最小风险的Bayes决策规则， 可设判别函数为 决策面方程 分类器框图 返回本章首页 返回本章首页 返回本章首页 2 两类情况 可设判别函数为： 可将其任意分类，或拒绝 3.6 正态分布时的Bayes决策法则 返回本章首