2018年9月18日

【模式识别与机器学习】—— 2.3均值向量和协方差矩阵的参数估计

摘要： 均值和协方差矩阵的估计量定义 设模式的类概率密度函数为p(x)，则其均值向量定义为： 其中，x = (x1, x2, …, xn)T，m = (m1, m2, …, mn)T。若以样本的平均值作为均值向量的近似值，则均值估计量为： 协方差矩阵为： 其每个元素clk定义为： 其中，xl、xk和ml、m 阅读全文

posted @ 2018-09-18 21:42 Charlie_ODD 阅读(6796) 评论(0) 推荐(0) 编辑

【模式识别与机器学习】——2.2正态分布模式的贝叶斯分类器

摘要： 出发点： 当已知或者有理由设想类概率密度函数P(x|ωi )是多变量的正态分布时，上一节介绍的贝叶斯分类器可以导出一些简单的判别函数。 由于正态密度函数易于分析，且对许多重要的实际应用又是一种合适的模型，因此受到很大的重视。 （贝叶斯分类规则是基于统计概念的。 如果只有少数模式样本，一般较难获得最优 阅读全文

posted @ 2018-09-18 15:21 Charlie_ODD 阅读(7399) 评论(1) 推荐(1) 编辑