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>&lt;tit&gt;6.3. NIEPARAMETRYCZNE ALGORYTMY ROZPOZNAWANIA&lt;/&gt;<br>&lt;tit&gt;6.3.1. Wprowadzenie&lt;/&gt;<br><br>Bezpośrednio z algorytmu Bayesa wyprowadzamy reguły decyzyjne heurystycznych algorytmów rozpoznawania. Napiszmy regułę Bayesa w postaci rozwiniętej, tzn. podstawiając wyrażenia na ryzyka średnie <br>&lt;gap&gt;<br>Wyrażenia po obydwu stronach nierówności (6.6) reprezentują ryzyka podjęcia określonej decyzji zaliczenia nieznanego obrazu x do określonej klasy. Dla wielu praktycznych zastosowań regułę decyzyjną można uprościć. Przyjmijmy zerojedynkową funkcję strat taką, że &lt;gap&gt; wtedy reguła decyzyjna przyjmuje postać<br>&lt;gap&gt;<br>W przypadku ograniczenia zbioru M do dwóch klas