统计判决----最小误判概率准则判决

一些概念和符号的定义

P(\omega_i)表示\omega _i类出现的先验概率。P(\omega_i|x)表示x出现条件下\omega _i出现的概率,称为类别\omega _i的后验概率,换言之就是x来自\omega _i类的概率。p(x|\omega_i)表示在 \omega _i类的条件下x的概率分布密度,即\omega _i类模式x的概率密度,简称类概密。

最小误判概率准则判决的一般形式

对于两类问题

统计判决----最小误判概率准则判决_第1张图片

显然这里可能会出现两种,一种是把实属w1类的模式判属为w2类,原因是这个模式在特征空间中散布到D2中,从而导致误判,这时的误判概率为:

同理:

因此总的误判概率为:

我们希望误判的概率最小,等价要让总的正确率最大,总的正确率为:

如果

则判统计判决----最小误判概率准则判决_第2张图片

或等价地表示成:如果

统计判决----最小误判概率准则判决_第3张图片

则判统计判决----最小误判概率准则判决_第4张图片

这里l_{12}(x)称为似然比,\theta_{12}=P(\omega_2)/P(\omega_1)称为似然比阈值。

统计判决----最小误判概率准则判决_第5张图片

你可能感兴趣的:(模式识别,学习笔记)