贝叶斯分类器(共11页).doc

精选优质文档-倾情为你奉上 贝叶斯模式分类 硕937班 姓名：刘月雷 学号：一、实验目的通过本次实验初步了解贝叶斯公式和最小错误率贝叶斯判别准则，并深入掌握正态分布模式的贝叶斯分类器及其判别函数的计算方法，观察各种因素及参数对分类错误概率的影响。二、实验原理模式识别的分类问题是根据识别对象特征的观察值将其分到某个类别中去，统计决策理论是处理模式分类问题的基本理论之一，它对模式分析和分类器的设计有着实际的指导意义。贝叶斯决策理论方法是统计模式识别中的一个基本方法，用这个方法进行分类时要求：分类别总体的概率分布是已知的；决策分类的类别数是一定的。在模式分类问题中，人们往往希望尽量减少分类的错误，从这样的要求出发，利用概率论中的贝叶斯公式，就能得出使错误率为最小的分类规则，称之为基于最小错误率的贝叶斯决策。应用贝叶斯最小错误概率判别原则来分类，可使得分类器发生分类错误的概率最小。（1）判别函数的确定：对于两类模式集的分类，即对于两个