(44)--第三章 概率密度函数模式识别.pdfVIP

2019-9-22模式识别第三章1

主要内容

Ø引言

Ø最大似然估计

Ø贝叶斯估计

Ø贝叶斯学习

Ø本章小结

2019-9-22模式识别第三章2

引言

2019-9-22模式识别第三章3

贝叶斯决策公式：

PxP

ii

Px

样本后验概率：i

Px



利用类条件概率和先验概率来设计分类器

p(x|ω)P(ω)

ii

2019-9-22模式识别第三章4

存在的问题：

P(ω)p(x|ω)

u不知道先验概率和类条件概率ii

P(ω)

u估计先验概率通常没有太大困难；i

p(x|ω)

u最大困难在于估计类条件概率密度函数，因i

为训练样本不够多，如果特征的维数较大，会产生比

较困难的多重积分计算复杂度问题。

就是要寻找某种有效的方法，能利用现有的信息设计出

正确的分类器。

2019-9-22模式识别第三章5

问题的解决：

目标：

利用已知的笼统和模糊的知识+训练样本设计分类器

方法：

利用训练样本估计先验概率和条件密度函数，并把这些

估计的结果当作实际的先验概率和条件密度函数，然后再设

计分类器。

如何从可用的样本数据来推断(估计)总体概率分布的参数？

2019-9-22模式识别第三章6

参数估计的方法：