贝叶斯分类器（含MATLAB实现）

由于被测试的模式特征向量通常存在随机性，所获得的模式样本有一定的统计分布。因此，采用统计决策的理论方法进行模式分类是常用的模式识别方法。这也是遥感图像土地分类的常用方法。统计决策函数以贝叶斯定理为基础，一般需要满足两个基本条件：

1）已知模式向量的有关概率分布先验知识，如先验概率、类条件概率密度。

2）待解决的问题中，其训练样本的类别是已知的，因此在已知的类别样本的指导下进行模式分类的。称为有监督分类。

贝叶斯分类器的分类原理是通过某对象的先验概率，利用贝叶斯公式计算出其后验概率，即该对象属于某一类的概率，选择具有最大后验概率的类作为该对象所属的类。

贝叶斯分类器的分类原理是通过某对象的先验概率，利用贝叶斯公式计算出其后验概率，即该对象属于某一类的概率，选择具有最大后验概率的类作为该对象所属的类。也就是说，贝叶斯分类器是最小错误率意义上的优化。目前研究较多的贝叶斯分类器主要有四种，分别是：Naive Bayes、TAN、BAN和GBN。

MATLAB分类实现对fisherifis 中的versicolor 和cirginica 进行分类

load fisheriris;%绘制要分类的类别