圖像識別ppt課件(編輯修改稿)
2025-02-10 12:36 本頁面
【文章內(nèi)容簡介】 、 特征匹配 WjmxxDWjxNmjjxjjj,2,1)(,2,11??????? ?? ? 基于最小錯誤率貝葉斯決策理論 1 貝葉斯公式 （ 1）概率：某事件發(fā)生的幾率。 （ 2）先驗概率 在實際的事件沒有出現(xiàn)之前，我們所擁有的該事件可能出現(xiàn)的概率。 舉例：（ 1）撲克牌：大王， K。 （ 2）硬幣：正面，反面。 （ 3）賭場押大?。? 1000次： 810次大， 190次小。 1001次？ 1002次？ … 問題：是否可以提高押對的概率，減少押錯的概率？ ?除先驗概率外，必須利用其他的信息。 （ 3）類條件概率密度 細胞識別：正常細胞 ω1 異常細胞 ω2 光密度特征： x 類條件概率密度 p(x|ω)： 類別狀態(tài)為 ω時的 x概率密度函數(shù)。 )( 1?xP)( 2?xPx條件概率密度分布)( ixP ?（ 4）貝葉斯公式 A、 P(ωj,x) =P(x|ωj) P(ωj) （總體；類） 舉例： P(ω1)=， P(ω2)=, P(x=12|ω1)=， P(x=12|ω2)= 則： P(ω1, x=12)=* P(ω2, x=12)=* B、 P(ωj,x) =P(ωj | x) P(x) C、貝葉斯公式 )()()()()()()()(21兩類時（后驗概率）????jjjiiiPxPxPxPPxPxP?????貝葉斯公式的物理含義： 通過觀察 x的值，就可以把先驗概率轉(zhuǎn)化為后驗概率，即特征值 x已知的情況下類別屬于 ωj的概率 。 基于最小錯誤率的貝葉斯決策 （ 1）決策規(guī)則（兩類情況） )( 1 xP? )( 2 xP?后驗概率分布)( xP i?????2112212112212122112121
教學課件相關(guān)推薦
鄂ICP備17016276號-1