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 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
3.2. СТРАТЕГИЯ БАЙЕСАФундаментальное понятие теории статистических решений — средние потери (риск) — определяет собой соответствующую стратегию выбора решений, а именно: решения следует принимать такими, чтобы средний риск достигал своего минимального значения. Стратегию минимального среднего риска в теории статистических решений называют стратегией Байеса, а минимальный средний риск — байесовским. В условиях, когда имеется полное описание классов распознаваемых объектов, т. е. известны функции плотности Покажем это на простом примере, когда множество объектов подразделено на два класса, а для их описания используется одномерная величина Предположим, что выбрана иная стратегия: пространство X разбито на два полупространства
Рис. 3.2 следующим образом: если Разность среднего риска
В области Рассмотрим теперь стратегию, в соответствии с которой пространство X разбито на два полупространства
В области Пусть алфавит классов системы распознавания содержит классы Пусть известны также априорные вероятности Условную вероятность принадлежности этого объекта к каждому классу
Записанная условная вероятность (вероятность гипотезы
т. е. апостериорная вероятность отнесения объекта к некоторому классу
либо, когда вероятность
|
1 |
Оглавление
|