Typ tekstu: Książka
Autor: Basztura Czesław
Tytuł: Komputerowe systemy diagnostyki akustycznej
Rok: 1996
Autor: Basztura Czesław
Tytuł: Komputerowe systemy diagnostyki akustycznej
Rok: 1996
obrazu z klasy l do klasy m(m,l = 1,2,...,M). Ponieważ prawdopodobieństwo , z jakim rozpoznawany obraz reprezentuje klasę m, jest związane z gęstościami prawdopodobieństw warunkowych zależnością Bayesa
oraz uwzględniając fakt, że dla danego obrazu x mianownik zależności na jest stały, można zależność na ryzyko średnie sprowadzić do postaci. Wobec tego reguła rozpoznawania Bayesa przyjmie następującą postać: .
Obok algorytmu Bayesa powstało wiele jego modyfikacji, które jednak zawsze prowadzą do tej samej procedury decyzyjnej. Przy stosowaniu parametrycznych algorytmów rozpoznawania istotny jest fakt, że wszystkie reguły dalekie będą od optymalnych, jeśli prawdopodobieństwa a priori będą się znacznie różnić od przyjętych lub estymowanych.
6
oraz uwzględniając fakt, że dla danego obrazu x mianownik zależności na jest stały, można zależność na ryzyko średnie sprowadzić do postaci. Wobec tego reguła rozpoznawania Bayesa przyjmie następującą postać: .
Obok algorytmu Bayesa powstało wiele jego modyfikacji, które jednak zawsze prowadzą do tej samej procedury decyzyjnej. Przy stosowaniu parametrycznych algorytmów rozpoznawania istotny jest fakt, że wszystkie reguły dalekie będą od optymalnych, jeśli prawdopodobieństwa a priori będą się znacznie różnić od przyjętych lub estymowanych.
6
obrazu z klasy l do klasy m(m,l = 1,2,...,M). Ponieważ prawdopodobieństwo <gap>, z jakim rozpoznawany obraz reprezentuje klasę m, jest związane z gęstościami prawdopodobieństw warunkowych zależnością Bayesa<br><gap> oraz uwzględniając fakt, że dla danego obrazu x mianownik zależności na <gap> jest stały, można zależność na ryzyko średnie sprowadzić do postaci<gap>. Wobec tego reguła rozpoznawania Bayesa <gap> przyjmie następującą postać: <gap>.<br>Obok algorytmu Bayesa powstało wiele jego modyfikacji, które jednak zawsze prowadzą do tej samej procedury decyzyjnej. Przy stosowaniu parametrycznych algorytmów rozpoznawania istotny jest fakt, że wszystkie reguły dalekie będą od optymalnych, jeśli prawdopodobieństwa a priori będą się znacznie różnić od przyjętych lub estymowanych.<br><br><tit>6
