以贝叶斯决策理论为基础的分类器

1.引言

模式识别是根据对象特征值将其分类。d个特征组成特征向量x=[x1,···,xd]T，生成d维特征空间，在特征空间一个x称为一个模式样本。

Bayes决策理论是用概率统计方法研究决策问题。

(1)样本的不确定性 ：

• 样本从总体中抽取，特征值都是随机变量，在相同条件下重复观测取值不同,故x为随机向量。
• 特征选择的不完善引起的不确定性；
• 测量中有随机噪声存在。

(2)从样本的可分性来看 ：

• 当各类模式特征间存在明显的区分度时，
  通过构建线性或非线性（平面）分类器，
  能够展现出良好的性能。
• 若各类别间发生识别混淆，
  则分类难度加大。

(2)从样本的可分性角度来看 ：

• 当各类模式特征之间存在明显的区分度时，
  可以通过构建线性或非线性（平面）分类器，
  表现出良好的性能。
• 若各类别间发生识别上的混淆，
  则分类难度加大。

如下图所示：

这时必须运用统计手段 ，观察模式样本的统计