原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
Ch03.参数估计
最大似然估计贝叶斯估计
Part1最大似然估计
模式分类的途径
途径1:估计类条件概率密度p(x|)
通过p(x1ω)和P(ω),利用贝叶斯规则计算后验概率P(x),然后
通过最大后验概率做出决策
·两种方法
·方法1a:概率密度参数估计
基于对p(x|o)的含参数的描述
方法1b:概率密度非参数估计
基于对p(x|∞)的非参数的描述
途径2:直接估计后验概率P(ox)
不需要先估计p(x∞)
·途径3:直接计算判别函数
·不需要估计p(x|ω)或者P(|x)
概率密度囪数估计与参数佶计
参数估计基于对px1o)用已知函数形式的参数化表
估计未知概率密度函数p(xω)的问题被简化为估计
已知函数形式中的未知参数
p(x|a)中的所有未知参数可以写成向量形式,称为
参数向量0,含有未知参数的概率密度函数px|)
可以表示为p(x|,6)
高斯密度函数中的参数向量
e=(H1,21)
贝叶斯决策中的参数估计
贝叶斯决策为最优决策(最小总风险、最小误差
概率)
前提条件
已知先验概率P(a)
·已知类条件概率密度p(Xla2)
·不幸的是
·多数情况下,先验概率和类条件概率密度未知
我们可利用的
有关模式识别问题的一些模糊而笼统的知识
些设计样本(训练样本),构成待分类的模式的一个
特定的子集,作为该模式的代表
文档评论（0）