模式识别课件
①R( i|x) E[ ( i, j)] 情况下的条件期望损失; ②
( , )P(
i
j
j 1
m
j
(取所有n特征)采取第i种决策|x)是
( , )P(
i
j
j 1
m
j
| 1,..., k)是在共有n个特征但只取k个特征时的条件期望损失;
③一共有m个(不计拒判,即a=m)这样的条件期望损失。min是取m种决策中条
i 1,2,...,m
件期望损失中最小的一个来定义停止损失 S( 1,..., k)。 继续损失
C( 1,..., k)表示取完k个特征再取第k+1个特征而分类决策或继续取新特征所产生的
损失叫继续损失。由于xk 1在获取测量值之前是随机变量,若获得xk 1继续作序贯分类决策,第k+1步的最小代价的期望值是
min
( 1,..., k,xk 1)p(xk 1| 1,..., k)dxk 1 (2-2-25)
式中p(xk 1| 1,..., k)是前k个特征已获得,关于xk 1的条件概率密度,上式是在x1 1, , 则第xk k条件下最小平均风险的平均值。再假如获得第k+1个特征所需要的代价是gk 1,
k步的继续损失是
c( 1,..., k) gk 1 min( 1,..., k,xk 1)p(xk 1| 1,..., k)dxk 1 (2-2-28) 最小条件平均风险
由式(2-2-28)可知,为了计算第k步最小损失 min( 1,..., k),必须计算第k+1步的最小平均风险min
i 1,2,...,m
( , )P(
i
j
j 1
m
j
| 1,..., k, k 1);同样,为了得到第k+1步的最小损失
k+2
步的最小条件平均风险
min( 1,..., k,xk 1),需要计算第
min
i 1,2,...,m
( , )P(
i
j
j 1
m
j
| 1,..., k, k 1, k 2) ,一直到计算在所有特征条件下的最小损
失,即在所有特征条件下的最小条件平均风险
min( 1,..., k,xk 1,...,xn) min[ ( i, j)P( j| 1,..., k,xk 1,...,xn)]
i 1,2,...,mj 1
m
(2-2-29)
才能正确决断序贯分类过程是否应该停止在第k步。
这种方法的计算量和存储量都要求很大,因此发展了一系列次优的序贯方法,其主要的
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