文档介绍：两类(M=2)情况的贝叶斯最小风险判别
选M=2,即全部的模式样本只有ω1和ω2两类,要求分类器将模式样本分到ω1和ω2两类中,则平均风险可写成:
当分类器将x判别为ω1时:
当分类器将x判别为ω2时:
若r1(x)<r2(x),则x被判定为属于ω1,此时:
即
通常取Lij>Lii,有:
当时,
该式左边为似然比:
右边为阈值:
故得两类模式的贝叶斯判别条件为:
若l12(x)>θ21,则
若l12(x)<θ21,则
若l12(x)=θ21,则可做任意判别。
通常,当判别正确时,不失分,可选常数L11=L22=0;判别错误时,可选L12=L21=1,此时。