Главная > Введение в статистическую теорию распознавания образов
НАПИШУ ВСЁ ЧТО ЗАДАЛИ
СЕКРЕТНЫЙ БОТ В ТЕЛЕГЕ
<< Предыдущий параграф Следующий параграф >>
Пред.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
След.
Макеты страниц

Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше

Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике

ДЛЯ СТУДЕНТОВ И ШКОЛЬНИКОВ ЕСТЬ
ZADANIA.TO

4.2.1. Линейная разделяющая функция, минимизирующая вероятность ошибки.

Если случайная величина распределена по нормальному или близкому к нему закону, то для вычисления вероятности ошибки можно использовать математическое ожидание и дисперсию для классов со и а затем выбрать параметры V и так, чтобы минимизировать ошибку решения. Вспоминая, что является суммой, состоящей из слагаемых приходим к выводу:

1) если векторы X имеют нормальное распределение, то величина также имеет нормальное распределение:

2) даже если векторы X распределены не по нормальному вакону, но при большом выполнены условия центральной

предельной теоремы, то распределение величины может быть близко к нормальному.

Математические ожидания и дисперсии величины в классах равны

Поэтому вероятность ошибки можно записать следующим образом:

Если требуется минимизировать риск то вместо вероятностей в формуле (4.16) должны быть использованы величины При такой замене предполагается, что штрафы

Дифференцируя выражение (4.16) по параметрам приравнивая производные нулю, получим

(см. скан)

где

Апализ уравнений (4.18) показывает, что величины должны быть одинаковыми при т. е.

Это показано на рис. 4.7.

Кроме условия (4.20), должно выполняться соотношение (4.17), т. е.

Таким образом, если возможно отыскать значения параметров V удовлетворяющие уравнениям (4.20) и (4.21), то эти значения минимизируют вероятность ошибки (4.16) [Андерсон, Бахадур, 1962].

Рис. 4.7. Распределение решающего правила

К сожалению, поскольку параметры и являются функциями величин точное решение уравнений (4.20), (4.21) получить не удалось. Поэтому для нахождения решения следует использовать итеративную процедуру.

Простой итеративный процесс был предложен в работе [Петерсон, Матсон, 1966]. Вместо решения уравнений (4.20) и (4.21) минимум вероятности ошибки ищется при условии (4.21) следующим образом:

где

Так как из формулы (4.24) следует, что и то можно вычислить по формуле

Из (4.25) видно, что если вектор V умножить на а, то значение также увеличится в а раз. Напомним, что решение, получаемое из условия эквивалентно решению Кроме того, вероятность ошибки (4.16) инвариантна относительно изменения масштаба, так как

Поэтому, пренебрегая масштабным коэффициентам а в формуле (4.22), можно вычертить график вероятности ошибки как функции одного параметра следующим образом:

1) для данного при вычислить V по формуле (4.22);

2) используя полученное значение У, вычислить по уравнениям (4.15) и (4.25) величины

3) вычислить вероятность ошибки по формуле (4.16);

4) изменять значения от 0 до 1.

Значение минимизирующее вероятность ошибки можно определить из графика функции

Преимущество этой процедуры заключается в том, что для настройки имеется только один параметр Это делает процедуру намного проще, чем решение уравнений (4.20) и (4.21) относительно переменной. Кроме того, чтобы сэкономить вычислительное время, предлагается вначале процедуры одновременно привести к диагональному виду ковариационные матрицы и и далее работать в преобразованной системе координат. В этом случае вычисление дисперсий и обращение матрицы в (4.22) выполняются очень просто.

Пример 4.2. Используются данные примера 3.3. График вероятности ошибки в зависимости от параметра приведен на рис. 4.8, из которого видно, что вероятность ошибки не очень чувствительна к 5 вблизи оптимальной точки. Наилучшая линейная разделяющая функция дает минимальную ошибку в 5%, в то время как байесовский классификатор с квадратичной функцией дает как следует из примера 3.3.

1
Оглавление
email@scask.ru