Параметрическое обучение в теории распознавания образов. Воробьев С.Н - 40 стр.

UptoLike

ВУЗ: 

СПб ГУАП | Санкт-Петербург

Составители: 

Рубрика: 

40
f1=1/sqrt(2*pi)*exp((x1+2.0633).^2/2).*(1/21/2*erf((15.3577*x1
13.8540+0.2376)/sqrt(2)));
p2=trapz(f1)*0.01
p=p1+p2
subplot(1,2,2),plot(x1,f1)
дают вероятность ошибки
12
| 0.0547pH1
.
Другие вероятности:
12
031
0
22
|, (,)
xy
y
x
p H f x y dxdy f x y dxdy343
55 55
12
12
2
0.9425
2.0633
1
1.2196 0.5289 0.2376 exp
2
2
x
xdx
3 4
5
66
7 8 995 9 5

66

12
12
2
0.9425
2.0633
1
0.1763 0.7477 0.2376 exp
2
2
x
dx
3 4
5
66
5 7 55 8
9
66

– вероятность правильной классификации (подынтегральные функции –
на рис. 22);
12
02
3
32
|,
x
y
y
pH fxydxdy33
44
12
3
12
4
12
0.9425
2
1
15.3577 13.8540 0.2376
2
0.1763 0.7477 0.2376
2.0633
exp
2
x
x
x
dx
5 67 7 8 7
9
76 8 8

8

7



– вероятность ошибки (подынтегральная функция – на рис. 23).
Вероятности ошибок классификации признаков класса
2
H , пови
димому, слишком велики:
12
| 0.0547pH1
,
32
| 0.2447pH1
. Вероят
ность правильной классификации
22
| 0.7006pH1
– на уровне резуль
татов подбрасывания монеты. Действительно, в
1000
экспериментов,
каждый из которых состоит в имитации пятидесяти подбрасываний
монеты:
X=1:49
for j=1:1000

Страницы