搜索资源列表
mimr_s200502106
- 模式识别-贝叶斯最小错误率判别一幅图像是属于人，还是属于背景。图像经过预处理。-pattern recognition - Bayesian smallest error rate discriminant image is a person, or belong to the background. After pretreatment images.
naivebayes
- 贝叶斯决策器，基于最小错误率的贝叶斯决算法-Bayesian decision-making, based on minimum error rate of Bayesian decision-making
parzenmoshishibie
- 用parzen来计算所选的数据的概率密度函数，所选的窗函数是方窗，最后基于最小错误率的贝叶斯进行分类-With parzen selected data to calculate the probability density function, the selected window function is the side window, and finally the smallest error rate based on Bayesian classification
based_on_bayes_decsion_theory
- 基于贝叶斯决策理论的最小错误率和最小风险分类器设计。-Minimum error rate and minimum risk classification based on Bayesian decision theory.
survival
- 模式识别。基于最小错误率的贝叶斯判别。完整模块，可直接调用-Pattern Recognition. Based on minimum error rate Bayesian discrimination. Complete module can be called directly
贝叶斯分类器设计
- 利用贝叶斯公式计算出其后验概率，即该对象属于某一类的概率，选择具有最大后验概率的类作为该对象所属的类。也就是说，贝叶斯分类器是最小错误率意义上的优化。
Sciprts
- 用 dataset3 作为训练数据，用 dataset4 作为测试数据，采用不同的特征、训练样本数、分类方法进行比较实验，观察、分析实验结果的异同。 训练分类器的方法为最小错误率贝叶斯分类器（假设正态分布，先验概率各 50%）。使用Bayesscr ipt.m运行代码。(Using dataset3 as training data, dataset4 is used as test data, and different characteristics, training samples an
PR代码及资料
- 1. 以身高为例，画出男女生身高的直方图并做对比； 2. 采用最大似然估计方法，求男女生身高以及体重分布的参数； 3. 采用贝叶斯估计方法，求男女生身高以及体重分布的参数（注明自己选定的参数情况）； 4. 采用最小错误率贝叶斯决策，画出类别判定的决策面。并判断某样本的身高体重分别为(160,45)时应该属于男生还是女生？为(178,70)时呢？(1. Take the height as an example, draw the histogram of the height of boys a