贝叶斯决策理论

贝叶斯决策理论

    模式识别是一种分类问题，即根据识别对象所呈现的观察值，将其分到某个类别中去。

    统计决策理论是处理模式分类问题的基本理论之一，对模式分析和分类器的设计起指导作用。

    贝叶斯决策就是在不完全情报下，对部分未知的状态用主观概率估计，然后用贝叶斯公式对发生概率进行修正，最后再利用期望值和修正概率做出最优决策。

　　贝叶斯决策理论方法是统计模型决策中的一个基本方法，其基本思想是：

• 已知类条件概率密度参数表达式和先验概率

• 利用贝叶斯公式转换成后验概率

• 根据后验概率大小进行决策分类

    贝叶斯决策理论方法所讨论的问题是：已知总共有c类物体，也就是说待识别物体属于这c类中的一个类别，对这c类不同的物理对象，以及各类在这d维特征空间的统计分布，具体说来是各类别ω_i=1,2,…,c的先验概率P(ω_i)及类条件概率密度函数p(x|ω_i)已知的条件下，如何对某一样本按其特