最小最大损失准则的基本思想： 实际中，类先验概率 P(i) 往往不能精确知道或在分析过程中是变动的，从而导致判决域不是最佳的。所以应考虑如何解决在 P(i) 不确知或变动的情况下使平均损失变大的问题。 应该立足最差的情况争取最好的结果。 * *

正态分布下的几种决策面的形式

证明题，编程题（代码+分析总结）。两类问题判别规则。在许多模式分类问题中，可以将某个模式分到 类中某一类，也可以由于其不可分性而拒绝将其分到任何类别。两类分类问题的极小化极大准则。最小概率误差。推导最大熵分布的一般方程。陈述贝叶斯判决边界不“经过”两个均值之间的条件。代码：大量独立的随机变量的平均将近似为一高斯分布。产生100个点（50个一类的点，50个二类的点），并计算经验误差。

计算男女身高,非常强大的matlab编程实现贝叶斯程序，可直接使用，模式识别

贝叶斯分类器应用-疾病分类 Inferring Pathway Activity toward Precise Disease Classification

基于贝叶斯的最小误差决策的Matlab图像分割程序

为什么称为最小错误率Bayes决策？ 最小错误率Bayes决策使得每个观测值下的条件错误率最小因而保证了（平均）错误率最小。 Bayes决策是最优决策：即，能使决策错误率最小。 为什么Bayes决策是最优决策，我们还要学习这门课的其它方法？

有一组（20个）待识别的细胞样本，其先验概率为0.8（正常）和0.2（异常）; 其观察值相应的类条件概率密度如下，试利用最小错误率贝叶斯决策规则和最小风险贝叶斯决策规则，分别设计一个分类器，对它们进行分类（分为两类，正常和异常）， (结果表述格式自己设计，表达清楚每个样本的分类情况即可)。风险损失值： 正常状态下（第二行）和异常状态下（第三行）细胞特征观察值的类条件概率密度：

正态分布的Bayes决策例解 两类的识别问题：医生要根据病人血液中白细胞的浓度来判断病人是否患血液病。 根据医学知识和以往的经验，医生知道： 患病的人，白细胞的浓度服从均值2000，方差1000的正态分布；未患病的人，白细胞的浓度服从均值7000，方差3000的正态分布； 一般人群中，患病的人数比例为0.5%。 一个人的白细胞浓度是3100，医生应该做出怎样的判断？ 它与人工智能关系密切，其目的是用机器完成人类智能中通过视觉、听觉、触觉等感官去识别外界环境的工作。 模式识别是一门理论与应用并重的技术科学。

山东大学计算机科学与技术学院机器学习课程的实验报告