武汉大统计判别法在模式识别中的应用解析.pptVIP

第四章统计鉴别;4.1作为统计鉴别问题的模式分类;4.1作为统计鉴别问题的模式分类;但在现实世界中，由许多客观现象的发生，就每一次观察和测量来说，虽然在基本条件保持不变的情况下也含有不确定性。

只有在大量重复的观察下，其成果才能呈现出某种规律性，即对它们观察到的特征含有统计特性。

特征值不再是一种确定的向量，而是一种随机向量。

此时，只能利用模式集的统计特性来分类，以使分类器发生错误的概率最小。;4.1.1贝叶斯鉴别标准

两类模式集的分类

目标：要确定x是属于ω1类还是ω2类，要看x是来自于ω1类的概率大还是来自ω2类的概率大。

贝叶斯鉴别;4.1.1贝叶斯鉴别标准

例子

对一大批人进行癌症普查，患癌者以ω1类代表，正常人以ω2类代表。

设被试验的人中患有癌症的概率为0.005，即P(ω1)=0.005，当然P(ω2)=1-0.005=0.995

现任意抽取一人，要判断他是否患有癌症。显然，因为P(ω2)P(ω1)，只能说是正常的可能性大。如要进行判断，只能通过化验来实现。;4.1.1贝叶斯鉴别标准

例子

设有一种诊疗癌症的试验，其成果为“阳性”和“阴性”两种反应。

若用这种试验来对一种病人进行诊疗，提供的化验成果以模式x代表，这里x为一维特征，且只有x=“阳”和x=“阴”两种成果。

;4.1.1贝叶斯鉴别标准

例子

假设依据临床统计，发觉这种方法有如下统计成果

患