搜索资源列表
beyestxfg
- 论文分享：基于最小错误率贝叶斯决策的苹果图像分割。-papers share : Based on the minimum error rate Bayesian decision-making apple image segmentation.
贝叶斯分类器
- 贝叶斯一维分类器，用matlab编写，正态分布下男女生判别，最小错误率的贝叶斯分类
BayesLeastError.rar
- Matlab程序，对图像进行分割，运用贝叶斯最小错误率的方法,Matlab program, image segmentation, the minimum error rate using Bayesian methods
bayes
- 用matlab完成基于最小错误率的贝叶斯分类器的设计-Done with matlab error rate based on the minimum design of Bayesian classifier
judger
- 最小错误率和最小风险贝叶斯分类器，附带示例数据-Minimum error rate and minimum risk Bayes classifier, with sample data
Bayes_Classify
- 基于贝叶斯最小错误率算法的崇明岛遥感图像分类程序。并且有饼状图显示各类地物比例-Minimum error rate based on Bayesian algorithm for Chongming Island, the remote sensing image classification procedures. And the pie chart below shows the proportion of various types of features
beiyesi
- 使用最小错误率贝叶斯分类器对学生成绩进行分类-Minimum error rate using Bayesian classifier to categorize student achievement
classifier
- 两类二维相关正态分布条件下的最小错误率贝叶斯分类器，基于最小风险的贝叶斯分类器，Parzen窗法非参数估计分类器程序，Fisher线性判别法分类器程序。-Under normal conditions two types of two-dimensional correlation of minimum error rate of Bayesian classifier, the minimum risk-based Bayesian classifier, Parzen window meth
Bayes
- 传统贝叶斯分类器，最小错误率贝叶斯分类器、最小风险贝叶斯分类器-Traditional Bayesian classifier, the minimum error rate classifier, minimum risk Bayes classifier
Bayes
- 贝叶斯分类器，基于最小错误率的贝叶斯分类器-Bayes
beiyesi
- 1 通过实验，掌握多元正态分布的最大似然估计； 2 掌握多元正态分布下的最小错误率的贝叶斯分类； 3 对其他的参数估计有更深的认识。 -1 experiment, master multivariate normal distribution maximum likelihood estimation 2 multivariate normal distribution under the minimum control error rate Bayesian classifier
Minimum-Bayes-classifier-error-rate
- 这是模式识别中最小错误率Bayes分类器设计方案。 自行完善了在不同先验概率的条件下，男、女错误率和总错误率的统计，放入各个数组当中。 全部程序由主函数、最大似然估计求取概率密度子函数、最小错误率贝叶斯分类器决策子函数三块组成。 调用最大似然估计求取概率密度子函数时，第一步获取样本数据，存储为矩阵；第二步对矩阵的每一行求和，并除以样本总数N，得到平均值向量；第三步是应用公式（3-43）采用矩阵运算和循环控制语句，求得协方差矩阵；第四步通过协方差矩阵求得方差和相关系数，从而得到概率密度
Minimum-Risk-Bayes-classifier
- 这是模式识别中最小风险Bayes分类器的设计方案。在参考例程的情况下，自行完善了在一定先验概率的条件下，男、女错误率和总错误率的统计，放入各个数组当中。 全部程序由主函数、最大似然估计求取概率密度子函数、最小错误率贝叶斯分类器决策子函数三块组成。 调用最大似然估计求取概率密度子函数时，第一步获取样本数据，存储为矩阵；第二步对矩阵的每一行求和，并除以样本总数N，得到平均值向量；第三步是应用公式（3-43）采用矩阵运算和循环控制语句，求得协方差矩阵；第四步通过协方差矩阵求得方差和相关系数，从
贝叶斯分类器设计
- 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。也就是说，贝叶斯分类器是最小错误率意义上的优化。
模式识别第一次作业
- 1． 用 dataset1.txt 作为训练样本，用dataset2.txt 作为测试样本，采用身高和体重数据为特征，在正态分布假设下估计概率密度（只用训练样本），建立最小错误率贝叶斯分类器，写出所用的密度估计方法和得到的决策规则，将该分类器分别应用到训练集和测试集，考察训练错误率和测试错误率。将分类器应用到dataset3 上，考察测试错误率的情况。(1. using dataset1.txt as training samples as test samples by dataset2.tx
最小错误率贝叶斯决策
- 基于最小错误率的贝叶斯决策 （1）要决策分类的类别数是一定的；（2）每一类出现的“先验概率”已知；（3）每一类的“类条件概率密度”已知；(Bayesian Decision Based on Minimum Error Rate(1) the "prior probabilities" of each class are known; (2) the "conditional probability density" of each class is kn
work
- 1) 以身高为例，画出男女生身高的直方图并做对比； 2) 采用最大似然估计方法，求男女生身高以及体重分布的参数； 3) 采用贝叶斯估计方法，求男女生身高以及体重分布的参数（假定方差已知，作业请注明自己选定的一些参数情况）； 4) 采用最小错误率贝叶斯决策，画出类别判定的决策面。并判断某样本的身高体重分别为(160,45)时应该属于男生还是女生？为(178,70)时呢？(1) taking height as an example, draw the histogram of male and f
Sciprts
- 用 dataset3 作为训练数据，用 dataset4 作为测试数据，采用不同的特征、训练样本数、分类方法进行比较实验，观察、分析实验结果的异同。 训练分类器的方法为最小错误率贝叶斯分类器（假设正态分布，先验概率各 50%）。使用Bayesscr ipt.m运行代码。(Using dataset3 as training data, dataset4 is used as test data, and different characteristics, training samples an
基于贝叶斯最小错误率手写数字识别
- 基于贝叶斯手写数字识别，基于MATLAB+GUB平台，手写0-9数字进行识别分类(Handwritten Number Recognition Based on Bayesian)
贝叶斯判决
- 假定某个局部区域细胞识别中正常w1和非正常w2 两类先验概率分别为： 正常状态：P(w1)=0.9 ； 异常状态：P（w2）=0.1 。 现有一系列待观察的细胞，其观察值为： -2.67 -3.55 -1.24 -0.98 -0.79 -2.85 -2.76 -3.73 -3.54 -2.27 -3.45 -3.08 -1.58 -1.49 -0.74 -0.42 -1.12 4.25 -3.99 2.88 -0.98 0.79 1.19 3.07 两类的类条件概率符合正态分布