原创力文档- 1、本文档共8页，可阅读全部内容。
- 2、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。
- 3、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。
- 4、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)。
查看更多
实用标准文案
第一章 绪论
1.什么是模式？ 具体事物所具有的信息。
模式所指的不是事物本身，而是我们从事物中获得的 ___信息 __ 。
2.模式识别的定义？ 让计算机来判断事物。
3.模式识别系统主要由哪些部分组成？ 数据获取—预处理—特征提取与选择—分类器设计 /
分类决策。
第二章 贝叶斯决策理论
p ( x | w 1 ) w 1
如果 l ( x ) _ p ( w 2 ) / p ( w 1 ) _, 则 x
p ( x | w 2 ) w 2
1.最小错误率贝叶斯决策过程？ P ( x | w i ) P ( w i )
P ( w i | x ) 2
答：已知先验概率，类条件概率。利用贝叶斯公式
P ( x | w j ) P ( w j )
得到后验概率。根据后验概率大小进行决策分析。 j 1
2.最小错误率贝叶斯分类器设计过程？
答：根据训练数据求出先验概率 P ( w i ), i 1 , 2
类条件概率分布 p ( x | w i ), i 1 , 2
P ( x | w i ) P ( w i )
利用贝叶斯公式得到后验概率 P ( w i | x ) 2
P ( x | w j ) P ( w j )
j 1
如果输入待测样本 X ，计算 X 的后验概率根据后验概率大小进行分类决策分析。
3.最小错误率贝叶斯决策规则有哪几种常用的表示形式？
答 ：
4 .贝叶斯决策为什么称为最小错误率贝叶斯决策？
答：最小错误率 Bayes 决策使得每个观测值下的条件错误率最小因而保证了 （平均）错误率
最小。 Bayes 决策是最优决策：即，能使决策错误率最小。
5.贝叶斯决策是 由先验概率和（类条件概率）概率，推导（后验概率）概率，然后利用这
个概率进行决策。
6.利用乘法法则和全概率公式证明贝叶斯公式
p(AB ) p( A | B) p(B) p(B | A) p( A) P ( A i | B ) P ( B | A i ) P ( A i )
P ( B )
答：
文档评论（0）