万能的贝叶斯决策——应用总结学完《模式识别》一课之后,收获颇多
说实话,这门课要想学好不简单,但是老师教会我们要掌握方法,不要拘泥于大堆的公式
方法的思想掌握了,遇到问题以后就可以开阔思路,直接拿来用了
课上主要讲了四大块,Beyes决策,概率密度函数估计,线性判别以及聚类和Fuzzy模式识别
下面就其中的Beyes判别一项做一下应用方面的总结,所选材料均来自学校图书馆CNKI中国学术期刊全文总库
众所周知,Beyes公式是统计学里一个非常重要的公式,而Beyes决策理论方法则是统计模式识别中的一个基本方法
根据Beyes决策设计的分类器理论上性能最优,经常被用来作为衡量其他分类器优劣的标准
当然,要想使用Beyes理论进行决策,还必须满足几个条件:(1)对象的所有特征观察量,我们设为d维特征空间,记为],,,[21dxxxd;(2)要决策分类的类别数,我们设为c类,用i来表示,},,,{21c;(3)各类别总体的概率分布,即i出现的先验概率)(ip;(4)类条件概率密度)|(ixp
知道以上几个条件以后,给定一个观测值x,我们就可以根据需要利用相应的Beyes决策规则把它分到相应的类去
几种决策规则包括:基于最小错误率的Beyes决策、基于最小风险的Beyes决策、最小最大决策以及序贯分类方法等
Beyes决策理论是模式识别中的一个比较基础的决策方法,应用十分广泛,几乎涉及到了方方面面
医学方面Beyes决策在医学方面有非常重要的地位,主要应用在医疗诊断中
比如我们模式识别经典课本中所例举的癌细胞判别的例子
在医疗诊断中,许多疾病的症状比较相似,即使同一种病,病情的严重程度不同,症状更复杂(如:阑尾炎是慢性,急性还是穿孔;胃癌的早期,中期与晚期等),这就给医生的诊断带来了一定的困难
利用Beyes统计决策就可以很好的解决这一问题
例如:诊断阑尾炎的例子[1]设有三种疾