贝叶斯决策理论课件(PPT 88页).pptxVIP

. 2.1 引言 . 2.2 几种常用的决策规则 . 2.2.1 基于最小错误率的贝叶斯决策 . 2.2.2 基于最小风险的贝叶斯决策 . 2.2.3 限定一类错误率，使另一类错误率最小 . 2.2.4 最小最大决策 . 2.2.5 分类器、判别函数及决策面 . 2.3 正态分布时的统计决策 第2章 贝叶斯决策理论 . 模式识别的目的就是要确定某一个给定的模式样 样本属于哪一类 . 可以通过对被识别对象的多次观察和测量，构成 成特征向 并将其作为某一个判决规则的输入 入，按此规则来对样本进行分类 2.1引言 . 在获取模式的观测值时，有些事物具有确定的因 因果关系，即在一定的条件下，它必然会发生或 或必然不发生 . 例如识别一块模板是不是直角三角形，只要凭 凭“三“条直线边闭合连线和一个直角”这个特征， 测量它是否有三条直线边的闭合连线并有一个 个直角，就完全可以确定它是不是直角三角形 形 . 这种现象是确定性的现象 作为统计判别问题的模式分类 I . 但在现实世界中，由许多客观现象的发生，就每 每一次观察和测量来说，即使在基本条件保持不 不变的情况下也具有不确定性 . 只有在大量重复的观察下，其结果才能呈现出某 某种规律性，即对它们观察到的特征具有统计特 特性 . 特征值不是一个确定的向量，而是一个随机向量 量 . 此时，只能利用模式集的统计特性来分类，以使 使分