文档介绍：该【概率密度密度的估计公开课一等奖课件省赛课获奖课件 】是由【红色的种子】上传分享，文档一共【41】页，该文档可以免费在线阅读，需要了解更多关于【概率密度密度的估计公开课一等奖课件省赛课获奖课件 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。北华大学电气信息工程学院PRA第三章概率密度密度的预计模式识别理论及应用 PatternRecognition -:通过预计类条件概率密度函数,设计对应的鉴别函数MAXg1...g2gc...x1x2xna(x)最普通状况下合用的“最优”分类器:错误率最小,对分类器设计在理论上有指导意义。获取统计分布及其参数很困难,实际问题中并不一定含有获取精确统计分布的条件。训练样本集样本分布的 统计特征: 概率密度函数决策规则: 判别函数 决策面方程分类器 功效构造3第三章概率密度密度的预计直接拟定鉴别函数基于样本的直接拟定鉴别函数办法:针对多个不同的状况,使用不同的准则函数,设计出满足这些不同准则规定的分类器。这些准则的“最优”并不一定与错误率最小相一致:次优分类器。实例:正态分布最小错误率贝叶斯分类器在特殊状况下,是线性鉴别函数g(x)=wTx(决策面是超平面),能否基于样本直接拟定w?引言训练样本集决策规则: 判别函数 决策面方程选择最佳准则4第三章概率密度密度的预计基于样本的Bayes分类器设计Bayes决策需要已知两种知识:各类的先验概率P(ωi)各类的条件概率密度函数p(x|ωi)知识的来源:对问题的普通性认识或某些训练数据基于样本的两步Bayes分类器设计:运用样本集预计P(ωi)和p(x|ωi)基于上述预计值设计鉴别函数及分类器面临的问题:如何运用样本集进行预计预计量的评价5第三章概率密度密度的预计概率密度预计的办法类的先验概率的预计:用训练数据中各类出现的频率预计依靠经验类条件概率密度预计的两种重要办法:参数预计:概率密度函数的形式已知,而表征函数的参数未知,通过训练数据来预计最大似然预计Bayes预计非参数预计:密度函数的形式未知,也不作假设,运用训练数据直接对概率密度进行预计Parzen窗法kn-:样本集的某种函数f(K)参数空间:总体分布的未知参数θ全部可能取值构成的集合(Θ)点预计的预计量和预计值:7第三章概率密度密度的预计预计量的评价原则预计量的评价原则:无偏性,有效性,一致性无偏性:E()=θ有效性:D()小,更有效一致性:样本数趋于无穷时,依概率趋于θ:(ML)样本集可按类别分开,不同类别的密度函数的参数分别用各类的样本集来训练。概率密度函数的形式已知,参数未知,为了描述概率密度函数p(x|ωi)与参数θ的依赖关系,用p(x|ωi,θ)表达。预计的参数θ是拟定而未知的,Bayes预计办法则视θ为随机变量。独立地按概率密度p(x|θ)抽取样本集 K={x1,x2,…,xN},用K预计未知参数θ9第三章概率密度密度的预计似然函数似然函数:对数(loglarized)似然函数:最大似然预计10第三章概率密度密度的预计