精选优质文档-倾情为你奉上实验二 贝叶斯最小错误率分类器设计一、实验目的1. 了解模式识别中的统计决策原理2. 熟悉并会根据给出的相关数据设计贝叶斯最小错误率分类器。3. 熟悉并会使用matlab进行相关程序的编写二、实验原理分类器的设计首先是为了满足对数据进行分门别类，是模式识别中一项非常基本和重要的任务，并有着极其广泛的应用。其定义是利用预定的已分类数据集构造出一个分类函数或分类模型(也称作分类器)，并利用该模型把未分类数据映射到某一给定类别中的过程。分类器的构造方法很多，主要包括规则归纳、决策树、贝叶斯、神经网络、粗糙集、以及支持向量机(SVM)等方法。其中贝叶斯分类方法建立在贝叶斯统计学的基础之上，能够有效地处理不完整数据，并且具有模型可解释、精度高等优点，而被认为是最优分类模型之一。本实验就是基于贝叶斯方法的分类器构造，其中构造的准则是最小错误率。下面，我们对最小错误率的分类器设计做一个简单的回顾。假设是一个二类的分类问题，有两类。若把物体分到类中，那么所犯的错误有两种情况，一种是物体本属于类，分类正确，错误率为0；另一种情况是，物
