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(ω1) 和p(ω2)未知，但我們可以假設他們確定，在先驗概率確定的前提下設計一系列最小風險bayes分類器；
然後在這一系列最小風險bayes分類器中，取其中最大風險最小的乙個來當作最後的最小最大bayes分類器；
這樣做的目的是為了控制最大風險。
3.問題的數學描述
已知：ω1、p(x | ω1)和ω2 、p(x | ω2)；
ω= ；
а = ；
損失函式λ(αi，ωj) ，簡記λij；
發生了乙個隨機事件，其觀察值為特徵向量x；
求解：最小最大風險分類器；
4.數學推導
5.求解流程
6.最小最大bayes決策的特點
1. 已知條件多——各類概率分布及風險係數（相對最小風險較少）
2. 最小最大風險——概率意義上最優
3. 非線性分類器
4. 設計過程很複雜
以上就是最小最大bayes分類器的介紹。
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 句法模式識別（1）
圖形或影象目標的形狀或結構千變萬化，目標 模式 的差異也在於其形狀或結構的不同，這種模式稱為結構模式，基於形狀或結構的模式識別稱為結構模式識別。數字影象處理學中，鏈碼是描述目標邊緣和輪廓的常用的編碼方法。用字元或符號的來表示影象目標的區域性邊緣的走向。freeman鏈碼 影象像元之間邊緣的走向用方向...
《模式識別》自學筆記 （二）基於統計的模式識別
解決模式識別問題的方法主要歸納為基於知識的方法和基於資料的方法兩大類。基於知識的方法，主要是以專家系統為代表的方法。其基本思想是根據人們已知的關於研究物件的知識，整理出若干描述特徵與類別間關係的準則，建立一定的計算機推理系統，對未知樣本通過這些知識推理決策類別。以專家系統為例，專家系統的組成部分包括...