第四章 统计判别随机模式分类识别，通常称为Bayes(贝叶斯)判决。（基础复习）第四章 统计判决主要依据类的概率、概密，按照某种准则使分类结果从统计上讲是最佳的。准则函数不同，所导出的判决规则就不同，分类结果也不同。本章主要论述分类识别的一般原理、几种重要的准则和相应的判决规则，正态分布模式类的判决函数以及它们的性能。Bayes公式：设实验E的样本空间为S，A为E的事件，B1,B2,Bn为S的一个划分，且P(A)0，P(Bi)0，(i=1,2,n)，则:“概率论”有关概念复习条件概率“概率论”有关概念复习先验概率：P( i)表示类i出现的先验概率，简称类i的概率。后验概率：P(i|x)表示x出现条件下类i出现的概率,称其为类别的后验概率，对于模式识别来讲可理解为x来自类i的概率。类概密： p(x|i)表示在类i条件下的概率密度，即类i模式x 的概率分布密度，简称为类概密。对于两类1， 2问题，直观地，可以根据后验概率做判决：式中，p(x|i)又称似然函数(likelihood function of class i)，可由已知样本求得。 Bayes法则最大后验概率准则根据Bayes公式
