朴素贝叶斯分类

 朴素贝叶斯分类

由条件概率：表示事件B已经发生的前提下，事件A发生的概率，叫做事件B发生下事件A的条件概率。其基本求解公式为：。

得出贝叶斯定理  

朴素贝叶斯的思想基础是：对于给出的待分类项，求解在此项出现的条件下各个类别出现的概率，哪个最大，就认为此待分类项属于哪个类别。

整个朴素贝叶斯分类分为三个阶段：

      第一阶段——准备工作阶段

这个阶段任务是确定特征属性，并对每个特征属性进行适当划分，然后由人工对一部分待分类项进行分类，形成训练样本集合。这一阶段的输入是所有待分类数据，输出是特征属性和训练样本。这一阶段是整个朴素贝叶斯分类中唯一需要人工完成的阶段，其质量对整个过程将有重要影响，分类器的质量很大程度上由特征属性、特征属性划分及训练样本质量决定。

      第二阶段——分类器训练阶段

这个阶段的任务就是生成分类器，主要是计算每个类别在训练样本中的出现频率及每个特征属性划分对每个类别的条件概率估计，并将结果记录。其输入是特征属性和训练样本，输出是分类器。这一阶段是机械性阶段，根据前面讨论的公式可以由程序自动计算完成。

      第三阶段——应用阶段。

这个阶段的任务是使用分类器对待分类项进行分类，其输入是分类器和待分类项，输出是待分类项与类别的映射关系。这一阶段也是机械性阶段，由程序完成。

http://blog.codinglabs.org，对于算法的分类写的很不错，有详细的应用拘留，很容易理解。

一些不认识的学科内单词

Edge operator 边缘算子 将图像中边线像素标记出来的一种邻域算子。

Exterior pixel 外像素 在二值图像中，处于物体之外的像素（相对于内像素）。

Gray level 灰度级

Harmonic signal 谐波信号

Lossness image compression 无损图像压缩 

Misclassification 误分类 在模式识别中，将物体误为别类的分类。

Algebraic operation 代数运算 一种图像处理运算

Concave 凹的