最小错误和最小风险两个贝叶斯决策实验，MATLAB代码加实验报告，是我提交课程作业的最终版本。
贝叶斯分类器的分类原理是通过某对象的先验概率，利用贝叶斯公式计算出其后验概率，即该对象属于某一类的概率，选择具有最大后验概率的类作为该对象所属的类。贝叶斯分类器是最小错误率意义上的优化。在风险相同时，最小错误率贝叶斯决策的准确率等于最小风险贝叶斯决策的准确率，即最小错误率贝叶斯决策是最小风险贝叶斯决策的一个特例。本文在matlab平台上对最小错误率贝叶斯决策和最小风险贝叶斯决策进行测试，比较和分析实验结果
2021-03-31 14:16:56
143KB
1
熟悉和掌握贝叶斯决策理论，并利用贝叶斯决策理论的相关知识实现手写数字的识别算法，并分析主要参数变化对于识别结果的影响。
参考博客：https://blog.csdn.net/weixin_43442778/category_9481732.html
2021-03-21 22:13:20
12.81MB
1
完全自己打码，实现了基于Matlab 实现二维正态分布贝叶斯决策面可视化，包括线性与非线性决策面；
三种情况：①∑1 = ∑2 = σ^2*I，②∑1 = ∑2 ≠ σ^2*I，③∑1 ≠ ∑2。
2021-03-21 15:33:21
4KB
1
使用Matlab实现，包括一维特征最小错误率bayes分类器；二维特征最小错误率bayes分类器；二维特征最小风险bayes分类器以及使用的数据集合。
2020-01-03 11:28:11
4KB
1
基于最小风险贝叶斯决策对细胞异常与否的分析，.m文件，代码框架明确，备注清晰，有利于学习，可直接更改数据及参数用于其他方面的分析。
2019-12-21 22:08:00
1KB
1
模式识别4个实验（matlab代码 ）1.贝叶斯决策分类器对鸢尾花 2.基于Fisher 准则的线性分类器分析 3.PCA 人脸特征提取与重构 4.设计 C-均值聚类 分器对鸢尾花均值聚类
2019-12-21 21:46:14
7.34MB
1