模式识别导论.pptVIP

Bayes最小风险决策例解（2）后验概率：P(ω1|x)=0.818，P(ω2|x)=0.182决策结果最小风险

决策第30页，共52页，星期日，2025年，2月5日最小风险决策的一般性基于最小错误率的Bayes决策可作为最小风险Bayes决策的一种特殊情形。只需要定义损失为：决策正确时，损失为0

决策错误时，损失为1最小风险

决策第31页，共52页，星期日，2025年，2月5日2.5正态分布的最小错误率Bayes决策Bayes决策的三个前提：类别数确定各类的先验概率P(ωi)已知各类的条件概率密度函数p(x|ωi)已知Bayes决策中，类条件概率密度的选择要求：模型合理性计算可行性最常用概率密度模型：正态分布观测值通常是很多种因素共同作用的结果，根据中心极限定理，它们（近似）服从正态分布。计算、分析最为简单的模型。第32页，共52页，星期日，2025年，2月5日一元正态分布正态分布

Bayes决策一元正态分布及其两个重要参数：均值（中心）方差（分散度）第33页，共52页，星期日，2025年，2月5日多元正态分布观测向量x：实际应用中，可以同时观测多个值，用向量表示。多元正态分布：正态分布

Bayes决策协方差矩阵均值向量第34页，共52页，星期日，2025年，2月5日多元正态分布的性质参数μ和Σ完全决定分布等概率密度轨迹为超椭球面不相关性等价于独立性边缘分布和条件分布的正态性线性变换的正态性线性组合的正态性正态分布

Bayes决策第35页，共52页，星期日，2025年，2月5日参数μ和Σ完全决定分布协方差矩阵是对称矩阵多元正态分布由n+n(n+1)/2个参数所完全决定正态分布

Bayes决策第36页，共52页，星期日，2025年，2月5日等概率密度轨迹为超椭球面等概率密度轨迹为超椭球面Mahalanobis距离正态分布

Bayes决策第37页，共52页，星期日，2025年，2月5日不相关性等价于独立性多元正态分布的任意两个分量互不相关，则它们一定独立不相关独立正态分布

Bayes决策第38页，共52页，星期日，2025年，2月5日线性变换的正态性多元正态随机向量x对x进行线性变换得到多元正态随机向量y正态分布

Bayes决策第39页，共52页，星期日，2025年，2月5日线性组合的正态性多元正态随机向量x对x的分量进行线性组合得到随机标量y正态分布

Bayes决策第40页，共52页，星期日，2025年，2月5日IPL第二章贝叶斯决策理论*模式识别导论第1页，共52页，星期日，2025年，2月5日TableofContents电子信息学院第2页，共52页，星期日，2025年，2月5日2.1引言数据获取预处理特征提取

与选择分类决策分类器

设计信号空间特征空间第3页，共52页，星期日，2025年，2月5日基本概念模式分类：根据识别对象的观测值确定其类别样本与样本空间表示：类别与类别空间：c个类别（类别数已知）引言第4页，共52页，星期日，2025年，2月5日决策把样本x分到哪一类最合理？解决该问题的理论基础之一是统计决策理论决策：是从样本空间S，到决策空间Θ的一个映射，表示为

D:S--Θ引言第5页，共52页，星期日，2025年，2月5日决策准则评价决策有多种标准，对于同一个问题，采用不同的标准会得到不同意义下“最优”的决策。Bayes决策常用的准则：最小错误率准则最小风险准则在限定一类错误率条件下使另一类错误率为最小的准则最小最大决策准则引言第6页，共52页，星期日，2025年，2月5日2.2基于判别函数的分类器设计判别函数(discriminantfunction)：

相应于每一类定义一个函数，得到一组判别函数：gi(x),i=1,2,…,c决策区域与决策面(decisionregion/surface)：第7页，共52页，星期日，2025年，2月5日判别

函数第8页，共52页，星期日，2025年，2月5日决策规则(decisionrule)规则表达1规则表达2判别

函数第9页，共52页，星期日，2025年，2月5日分类器设计分类器是某种由硬件或软件组成的“机器”：计算c个判别函数gi(x)最大值选择ARGMAXg1...g2gc...x1x2xna(x)多类识别问题的Bayes最小错误率决策：gi(x)=P(ωi|x)判别

函数第10页，共52页，星期日，2025年