模式识别课件
P( 1)[( 11 22)+( 21 11) p(x/ 1)dx ( 12 22) p(x/ 2)dx]
12
RR
令其=0,可对最小最大化求解
(2-2-21)
写成R(P( )) a bP( 1)。
由此式说明了,当P( 1)变化时,在R1和R2被确定,不随P( 1)做相应调整的情况下,期望风险R就是先验概率P( 1)的线性函数,即R随P( 1)呈直线关系,如图
我们考虑当P( 1)变化时的各种可能取值情况下的最佳决策。因为在已知类概率密度函数,损失函数及某个确定的先验概率P( 1)时,利用最小风险贝叶斯决策方法,可以找出两类模式样本的分类决策面,把特征空间分割成R1和R2两部分,使其风险为最小。所以,可以在(0,1)区间内,对先验概率P( 1)取若干个不同的值,分别按最小风险贝叶斯决策方法确定其相应的两类边界区域,从而计算出其相应的各个最小风险R ,然后就可以得出最小风险与先验概率P( 1)R P( 1),如图所示。注意,这时曲线上各点有着不同的R1和R2边界划分,说明随P( 1)变化两类边界在不断做调整,从而得出一些列最小风险。
*
直线CD在曲线上方并于曲线在A点相切,其纵坐标Ra是对应于先验概率
为Pa*( 1)时的最小风险;直线上点的纵坐标则是对应于P( 1)变化时边界不做调整时的风险值,风险值在(a,a+b)的范围内变化,最大风险为a+b,其风险要比曲线情况下大,直线在曲线上方说明了这一点。
如果能找到一个边界使比例常数为b=0,那么风险R独立于先验概率
P( 1),即以上既是最小最大求解,由式(2-2-21)可知,如果对于某个P( 1),能找出其决策方案使该式中P( 1)的系数b=0。即风险与P( 1)无关。

那么,风险R为


第二章 贝叶斯决策理论 2.1 引言 2.2几种常用的决策规则 2.3正态分布时的统计决策 2.4关于分类器的错误率问题 2.1 引言 ? 模式识别的分类问题是根据识别...
2013年8月4日星期日 第2章 贝叶斯决策理论 2.0 基本概念 2.1 最小错误概率的Bayes决策 2.2 2.3 2.4 2.6 最小风险的Bayes决策 Neyman-Pearson决策 ...
2 2 2 Q P(ω1 ) = P(ω2 ) ∴ 贝叶斯决策规则可表示 为: 如p (x
P(ω2)——马哈鱼的先验概率第二章 贝叶斯决策理论 郝红卫 4 引 言 先验概率反映了在实际的鱼没有出现之前,我们所拥有的对于可能出现哪种鱼的先验 知识。比如...
模式识别 Pattern Recognition 第二章 贝叶斯决策理论 张芳 13702180623 hhzhangfang@126.com 2014-4-11 模式识别 —— 贝叶斯决策理论 1 引言 复习:特征向量和特征...
P(ω2)——马哈鱼的先验概率第二章 贝叶斯决策理论 郝红卫 4 引 言 先验概率反映了在实际的鱼没有出现之前,我们所拥有的对于可能出现哪种鱼的先验 知识。比如...
内容纲要 研究目的和意义 第二章 贝叶斯决策理论 0011 0010 1010 1101 0001 0100 1011 1 01 内容纲要 第二章 贝叶斯决策理论 第二章 内容纲要 研究目的和意义 ...
模式识别 第二章 贝叶斯决策理论中国矿业大学信电学院 蔡利梅 第二章 贝叶斯决策理论 2.1贝叶斯决策的基本概念 2.2基于最小错误率的贝叶斯判别法 2.3基于最小...
内容纲要 研究目的和意义 第二章 贝叶斯决策理论 0011 0010 1010 1101 0001 0100 1011 4 1 2 01 1 内容纲要 第二章 贝叶斯决策理论 第二章 内容纲要 研究...
第三讲 贝叶斯决策理论 参考书: 中文教材:第二章 p9-34,p42-43 2011-2012学年第二学期 第二章 贝叶斯决策理论 ? 2.1 引言 ? 2.2 贝叶斯决策理论 ? 2....
热门文档