模式识别实验贝叶斯最小错误率分类器设计.docxVIP

实验二贝叶斯最小错误率分类器设计 一、 实验目的 了解模式识别中的统计决策原理 熟悉并会根据给出的相关数据设计贝叶斯最小错误率分类器。 熟悉并会使用matlab进行相关程序的编写 二、 实验原理 分类器的设计首先是为了满足对数据进行分门别类， 是模式识别中一项非常基本和重要 的任务，并有着极其广泛的应用。其定义是利用预定的已分类数据集构造出一个分类函数或 分类模型（也称作分类器），并利用该模型把未分类数据映射到某一给定类别中的过程。 分类器的构造方法很多，主要包括规则归纳、决策树、贝叶斯、神经网络、粗糙集、以 及支持向量机（SVM）等方法。其中贝叶斯分类方法建立在贝叶斯统计学的基础之上， 能够