《模式识别原理、应用及实现》 课件 2.5正态分布中的Bayes分类方法.pptVIP

2.3正态分布中的Bayes分类方法武汉理工大学背景我们介绍了Bayes分类的三种方法，其中Bayes最小错误率判别规则是最基本的方法，当决策风险取0-1损失函数时，最小风险判别规则和最大似然比判别规则与最小错误判别规则是统一的。以上几种方法，都涉及类条件概率密度函数，事实上，的获取是比较困难的，在实际应用中，为了计算上的方便，往往假设服从多元正态分布。下面以最小错误判别规则为例，研究服从多元正态分布时，Bayes分类的应用。协方差矩阵Ci：反映样本分布区域的形状；均值向量Mi：表明了区域中心的位置。2.正态分布的最小错误率贝叶斯决策规则1）多类情况具有M种模式类别的多变量正态密度函数为：前面介绍的Bayes方法事先必须求出p(X|ωi),P(ωi)。而当p(X|ωi)呈正态分布时，只需要知道M和C即可。每一类模式的分布密度都完全被其均值向量Mi和协方差矩阵Ci所规定，其定义为：对正态密度函数，为了方便计算，取对数：对数是单调递增函数，取对数后仍有相对应的分类性能。最小错误率Bayes决策中，ωi类的判别函数为，去掉与i无关的项，得判别函数：——正态分布的最小错误率Bayes决策的判别函数。(4-25)