本總結參考國外名著《模式識別》第四版和張學工編著得《模式識別》第三版，以及電子科技大學ppt複習總結而成。
一、線性分類幾種情況
最大後驗概率分類就是最小錯誤概率分類。
最小錯誤概率分類是最小代價分類的特例（當代價為0-1損失函式時）
引數估計
估計似然函式確定時，為貝葉斯估計：
◦ 似然函式型別已知：引數估計
◦ 似然函式型別未知：非引數化估計。
似然函期望最大化演算法（em）
二、線性分類器的設計
常見的權係數更新方法如下：
◦ 感知器演算法；
◦ 最小均方誤差演算法；
◦ 支援向量機演算法；
◦ fisher分類法
下面將分別介紹之~
fisher線性判別分類器設計：
1. 確定最優方向
2. 在這個方向確定**閾值
模式識別總結
1 貝葉斯決策 分類器的設計 先驗概率和後驗概率 最小風險貝葉斯判別 2 概率密度函式估計 引數估計 貝葉斯估計 最大似然估計 非引數估計方法 3 線性判別函式 線性判別函式設計的一般步驟 線性分類器 fisher線性判別 感知準則函式 決策樹4 聚類分析 k均值方法 迭代自組織的資料分析方法 5 ...
模式識別 統計模式識別（6）
上一節，我們討論了最小錯誤率分類器，接下來這一節我們將討論最小風險bayes分類器。1.問題提出 1.最小錯誤率bayes決策的最小錯誤率 概率意義上最優，在工程上是否是最優?2.錯誤分類的結果 代價或風險會是怎樣的？考慮癌細胞影象識別的例子 3.出錯的可能情況 正常細胞 1錯分為異常 2，異常細胞...
模式識別 統計模式識別（7）
上兩節我們介紹了最小錯誤率和最小風險bayes分類器，接下來談談最小最大決策。1.問題提出 假設c 2 現在我們假定一種情況，先驗概率未知或者不確定的前提，在這種前提下，絕對意義的最小風險不存在，這種情況下我們怎麼求bayes分類器。2.求解思路 雖然p 1 和p 2 未知，但我們可以假設他們確定，...