HIT模式识别与深度学习期末2022春

HIT模式识别与深度学习2022春期末

一 贝叶斯决策
  1. 已知两个类别的条件概率密度函数,分别为指数分布和高斯分布
    p ( x ∣ ω 1 ) = { 2 e − 2 x , x ≥ 0 0 , x < 0 p ( x ∣ ω 2 ) = 1 2 2 π e − ( x − 2 ) 2 8 已 知 先 验 为 : p ( ω 1 ) = 3 4 , p ( ω 2 ) = 1 4 p(x|\omega_1)=\left\{\begin{matrix} 2e^{-2x},x\ge0\\ 0,x<0 \end{matrix}\right.\\ p(x|\omega_2)=\frac{1}{2\sqrt{2\pi}}e^{-\frac{(x-2)^2}{8}}\\ 已知先验为:p(\omega_1)=\frac{3}{4},p(\omega_2)=\frac{1}{4}\\ p(xω1)=

  • 0
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 2
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值