您好,欢迎访问三七文档
当前位置:首页 > 商业/管理/HR > 市场营销 > 模式识别-孙即祥-第4章习题解
第四章习题解4.2设一维两类模式满足正态分布,它们的均值和方差分别为,1=0,1=2,2=2,2=2,p(x)N(,),窗函数P(ω1)=P(ω2),取0-1损失函数,试算出判决边界点,并绘出它们的概率密度函数曲线;试确定样本-3,-2,1,3,5各属哪一类。解:1x已知,由Bayes最小损失判决准则:如果,则判,否则判。如果,则判,否则判。-3,-2属于ω1;1,3,5属于ω2。4.7在图像识别中,假定有灌木丛和坦克两种类型,分别用ω1和ω2表示,它们的先验概率分别为0.7和0.3,损失函数如表3.1所示。现在做了四次试验,获得四个样本的类概率密度如下::0.1,0.15,0.3,0.6x1x2x3x4x:0.8,0.7,0.55,0.3(1)试用贝叶斯最小误判概率准则判决四个样本各属于哪个类型;(2)假定只考虑前两种判决,试用贝叶斯最小风险准则判决四个样本各属于哪个类型;(3)将拒绝判决考虑在内,重新考核四次试验的结果。表3.1类型损失判决ω1ω21(判为ω1)0.52.02(判为ω2)4.01.03(拒绝判决)1.51.5解:(1)两类问题的Bayes最小误判概率准则为如果,则判,否则判。由已知数据,12=0.3/0.7=3/7,样本x1:∵l12(x1)=0.1/0.812=3/7x1ω2样本x2:∵l12(x2)=0.15/0.712=3/7x2ω2样本x3:∵l12(x3)=0.3/0.5512=3/7x3ω1样本x4:∵l12(x4)=0.6/0.312=3/7x4ω1(2)不含拒绝判决的两类问题的Bayes最小风险判决准则为如果,则判,否则判。由已知数据,12=0.3(2-1)/[0.7(4-0.5)]=3/24.5,样本x1:∵l12(x1)=1/812=6/49x1ω1样本x2:∵l12(x2)=3/1412=6/49x2ω1样本x3:∵l12(x3)=6/1112=6/49x3ω1样本x4:∵l12(x4)=6/312=6/49x4ω1(3)含拒绝判决的两类问题的Bayes最小风险判决准则为其中条件风险:后验概率:记(4.7-1)则,含拒绝判决的两类问题的Bayes最小风险判决准则为对四个样本逐一列写下表,用(4.7-1)式计算r(j|x)。样本x1:(j|ωi)类型损失判决ω1p(x|ω1)P(ω1)=0.10.7=0.07ω2p(x|ω2)P(ω2)=0.80.3=0.24r(j|x)1(判为ω1)0.52.00.5*0.07+2*0.24=0.5152(判为ω2)4.01.04*0.07+1*0.24=0.523(拒绝判决)1.51.51.5*0.07+1.5*0.24=0.465因为r(3|x1)=0.465最小,所以拒绝判决;样本x2:(j|ωi)类型损失判决ω1p(x|ω1)P(ω1)=0.150.7=0.105ω2p(x|ω2)P(ω2)=0.70.3=0.21r(j|x)1(判为ω1)0.52.00.5*0.105+2*0.21=0.47252(判为ω2)4.01.04*0.105+1*0.21=0.633(拒绝判决)1.51.51.5*0.105+1.5*0.21=0.4725因为r(1|x2)=0.4725最小,所以判x2ω1,即灌木丛,或拒绝判决;样本x3:(j|ωi)类型损失判决ω1p(x|ω1)P(ω1)=0.30.7=0.21ω2p(x|ω2)P(ω2)=0.550.3=0.165r(j|x)1(判为ω1)0.52.00.5*0.21+2*0.165=0.4352(判为ω2)4.01.04*0.21+1*0.165=1.0053(拒绝判决)1.51.51.5*0.21+1.5*0.165=0.5625因为r(1|x3)=0.435最小,所以判x3ω1,即灌木丛;样本x4:(j|ωi)类型损失判决ω1p(x|ω1)P(ω1)=0.60.7=0.42ω2p(x|ω2)P(ω2)=0.30.3=0.09r(j|x)1(判为ω1)0.52.00.5*0.42+2*0.09=0.392(判为ω2)4.01.04*0.42+1*0.09=1.773(拒绝判决)1.51.51.5*0.42+1.5*0.09=0.765因为r(1|x4)=0.39最小,所以判x4ω1,即灌木丛。4.9假设两类二维正态分布参数为1=(-1,0)’,2=(1,0)’,先验概率相等。(1)令1=2=I,试给出负对数似然比判决规则;(2)令试给出负对数似然比判决规则。解:Bayes最小误判概率似然比判决规则为如果,则判,否则判。相应的负对数似然比判决规则为如果,则判,否则判。对于正态分布(1)由已知,故,如果则判,否则判。(2)∵,,即,补充题1:假设两类一维模式的概率密度函数为先验概率相等。(1)求Bayes判决函数(用0-1损失函数);(2)求总的误判概率。解:(1)当用0-1损失函数且先验概率相等时,Bayes最小损失判决规则为:如果,则判,否则判。即,,则判,否则判。代入本题类概率密度函数得:如果x1.5,则判xω1,否则判xω2。故,Bayes判决函数为d(x)=1.5-x。(2)误判概率011.523x1p(x|ω1)p(x|ω2)补充题2:在目标识别中,假定类型1为敌方目标,类型2为诱饵(假目标),已知先验概率P(1)=0.2和P(2)=0.8,类概率密度函数如下:(1)求贝叶斯最小误判概率准则下的判决域,并判断样本x=1.5属于哪一类;(2)求总错误概率P(e);(3)假设正确判断的损失11=22=0,误判损失分别为12和21,若采用最小损失判决准则,12和21满足怎样的关系时,会使上述对x=1.5的判断相反?解:(1)应用贝叶斯最小误判概率准则如果则判得l12(1.5)=1=4,故x=1.5属于2。(2)P(e)===0.08(3)两类问题的最小损失准则的似然比形式的判决规则为:如果则判带入x=1.5得到12≥421
本文标题:模式识别-孙即祥-第4章习题解
链接地址:https://www.777doc.com/doc-4788297 .html