2. Bayesin päätösteoria

More documents

Recommendations

Info

Oulun yliopisto, Hahmontunnistus ja neuroverkot (521497S), TS 34 / 99 <strong>2.</strong>5.3. Tapaus Σi = mielivaltainen Kullakin luokalla on mielivaltainen kovarianssimatriisi, joten alkuperäisestä diskriminanttifunktiosta voidaan pudottaa pois vain termi (d/2)ln 2π . Pienen manipulaation jälkeen saadaan kvadraattinen (neliöllinen) muoto: gi( x) x t t = Wix + wix + wi0 , jossa W i 1 – 1 – 1 – --Σ 1 t – 1 = 2 i , wi = Σi mi ja w -- 1 i0 = – m 2 iΣi mi – -- ln Σ 2 i + ln P( ωi) Kaksiluokkaisessa ongelmassa päätöspinnat ovat hyperkvadreja (hyperquadrics): • hypertasot • hypertasoparit • hyperpallot • hyperellipsoidit • hyperparaboloidit • hyperhyperboloidit Jopa 1-ulotteisessa tapauksessa päätösalueet saattavat jakaantua moneen osaan: Seuraavilla sivuilla on esitetty lisää esimerkkejä päätöspinnoista.
Oulun yliopisto, Hahmontunnistus ja neuroverkot (521497S), TS 35 / 99
Page 1 and 2: 2. Bayesin päätösteoria 2.1. Joh
Page 3 and 4: Oulun yliopisto, Hahmontunnistus ja
Page 5 and 6: 2.2. Bayesin päätösteoria - jatk
Page 11 and 12: 2.4. Normaalijakauma Oulun yliopist
Page 15 and 16: 2.5. Diskriminanttifunktioita norma
Page 19 and 20: Mikäli prioritodennäköisyydet ov
Page 21: Vastaavalla tavalla kuin edellisess
Page 25 and 26: Allaolevassa kuvassa pyritään ero
Page 31 and 32: Kuvasta tehdään tärkeä havainto
Page 35 and 36: 3) Vakiotermien siirtäminen summal
Page 37 and 38: = = ∑ P( h) = P( e, f, g, h) e, f
Page 39 and 40: a 1 = talvi a 2 = kevät a 3 = kes
Page 41: saadaan, että α=1/0,18 , P(x 1|c

2. Bayesin päätösteoria

Create successful ePaper yourself

Delete template?

Save as template?