Typ tekstu: Książka
Autor: Basztura Czesław
Tytuł: Komputerowe systemy diagnostyki akustycznej
Rok: 1996
Autor: Basztura Czesław
Tytuł: Komputerowe systemy diagnostyki akustycznej
Rok: 1996
reguła decyzyjna przyjmuje postać
W przypadku ograniczenia zbioru M do dwóch klas 1 2 ostatnią regułę można zilustrować następująco:
Kolejne uproszczenia reguły decyzyjnej algorytmu Bayesa polegają na przyjęciu równego prawdopodobieństwa a priori pojawienia się wypowiedzi z poszczególnych klas stanów obiektów, czyli oraz założeniu, że rozkłady gęstości prawdopodobieństwa warunkowego mogą być estymowane rozkładami normalnymi ze średnią i macierzą kowariancji (por. rozdz. 4 i 5). Jeśli we wzorze na regułę decyzyjną uwzględnimy wymienione wyżej upraszczające założenia, jak również założymy wspólną, uśrednioną macierz kowariancji C dla wszystkich klas, to po uproszczeniu regułę decyzyjną rozpoznawania można zapisać
jeśli
Wyrażenia po obydwu stronach nierówności przedstawiają funkcję
W przypadku ograniczenia zbioru M do dwóch klas 1 2 ostatnią regułę można zilustrować następująco:
Kolejne uproszczenia reguły decyzyjnej algorytmu Bayesa polegają na przyjęciu równego prawdopodobieństwa a priori pojawienia się wypowiedzi z poszczególnych klas stanów obiektów, czyli oraz założeniu, że rozkłady gęstości prawdopodobieństwa warunkowego mogą być estymowane rozkładami normalnymi ze średnią i macierzą kowariancji (por. rozdz. 4 i 5). Jeśli we wzorze na regułę decyzyjną uwzględnimy wymienione wyżej upraszczające założenia, jak również założymy wspólną, uśrednioną macierz kowariancji C dla wszystkich klas, to po uproszczeniu regułę decyzyjną rozpoznawania można zapisać
jeśli
Wyrażenia po obydwu stronach nierówności przedstawiają funkcję
reguła decyzyjna przyjmuje postać<br><gap><br>W przypadku ograniczenia zbioru M do dwóch klas 1 2 ostatnią regułę można zilustrować następująco: <gap> <br>Kolejne uproszczenia reguły decyzyjnej algorytmu Bayesa polegają na przyjęciu równego prawdopodobieństwa a priori pojawienia się wypowiedzi z poszczególnych klas stanów obiektów, czyli <gap> oraz założeniu, że rozkłady gęstości prawdopodobieństwa warunkowego <gap> mogą być estymowane rozkładami normalnymi ze średnią <gap> i macierzą kowariancji <gap> (por. rozdz. 4 i 5). Jeśli we wzorze na regułę decyzyjną uwzględnimy wymienione wyżej upraszczające założenia, jak również założymy wspólną, uśrednioną macierz kowariancji C dla wszystkich klas, to po uproszczeniu regułę decyzyjną rozpoznawania można zapisać<br><gap><br>jeśli<br><gap><br>Wyrażenia po obydwu stronach nierówności przedstawiają funkcję
