2. Bayesin päätösteoria
2. Bayesin päätösteoria
2. Bayesin päätösteoria
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Tällöin<br />
Oulun yliopisto, Hahmontunnistus ja neuroverkot (521497S), TS<br />
Σ i<br />
σ 2d<br />
= ja Σ 1 – 1<br />
σ 2<br />
= ----- I<br />
28 / 99<br />
Koska <strong>2.</strong> ja 3. termi diskriminanttifunktiossa ovat riippumattomia luokasta, ne eivät<br />
vaikuta erottelukykyyn ja voidaan siten jättää pois. Saadaan siis:<br />
gi( x)<br />
=<br />
2<br />
x – mi 2σ 2<br />
– ---------------------- + ln P( ωi) Ensimmäisen termin osoittajassa esiintyvä lauseke on pisteiden x ja mi välinen<br />
Euklidinen etäisyys:<br />
2<br />
x – mi ( x – mi) t ( x – mi) ( xj – mij) 2<br />
d<br />
= =<br />
x 2<br />
x<br />
x-m i<br />
m i<br />
∑<br />
j = 1<br />
x 1