贝叶斯决策法则与应用解析.pptVIP

第二章贝叶斯决议理论;第二章贝叶斯决议理论;§2.1基于最小错误率的贝叶斯鉴别法;对x再观察：有细胞光密度特征,其类条件概率密度:

P(x/ω?)?=1,2,…。如图所示;设N个样本分为两类ω1，ω2。每个样本抽出n个特征，

x=（x1，x2，x3，…，xn）T;2、决议规则：;3、决议面方程：g(x)=0

x为一维时，决议面为一点，x为二维时决议面为曲线，x为三维时，决议面为曲面，x大于三维时决议面为超曲面。

例：某地域细胞识别；P(ω1)=0.9，P(ω2)=0.1未知细胞x，先从类条件概率密度分布曲线上查到：

解：该细胞属于正常细胞还是异常细胞，先计算后验概率：;g(x);二、多类情况：ω?=(ω1,ω2,…,ωm)，x=(x1,x2,…,xn)

1.鉴别函数：M类有M个鉴别函数g1(x),g2(x),…,gm(x).每个鉴别函数有上面的四种形式。

2.决议规则：;g1(x);很显著，各类别在多维特征空间中为决议面或界面所分割。这些决议面是特征空间中的超曲面。相邻的两个类别在决议面上的鉴别函数值是相等的。假如ωi和ωj是相邻的，则分割它们的决议面就应为

di(x)=dj(x)或di(x)-dj(x)=0

对于两类问题，决议面方程：

P(x|ω1)