img102

img102



102    8. Metody probabilistyczne

Niech ponadto poszukiwana reguła decyzyjna ma postać:

(93)


A(x)=l1' 8dy *<x°-

^ ’    \ 2, gdy x > x0

(przy oczywistym założeniu, że p(2) > /Z1)). Wówczas

X0    oo

Q(A,A) = (1 -p)|?n J P(x/l)dx + ql2 J P(x/\)dx

(94)


(95)


-OO    Z o

oo    x0

+ p|?22 J P(x/2)dx + q7l Jp(x/2)dxj.

a?o    —oo

Z zapisu wzoru (94) widać, żc

Q(A, A) = Q(x0)

i możliwa jest próba bezpośredniej optymalizacji dQ(x o)

+ ^>(92iP(*o/2) - q22P(x0/2)] = 0

Rozwiązując równanie (96) dochodzimy do wzoru(6) (przy oczywistym założeniu, że q22 < q2i)'-

P{xo/2) _ (1 — p)(gi2 — gn) p(xo/l)    p(?2i - Im)

Wykorzystując (91) i (92), można dalej obliczyć, że

P(1) +p(2) rj2 (l-p)?i2


(97)


Xq =


o    1    2 ln

2    fi1 - fP pq2i


(98)


(6) Zauważmy, że w rozważanym wzorze pojawia się po raz pierwszy iloraz prawdopodobieństw, który odegra ważną rolę przy omawianym dalej rozpoznawaniu etapowym.


Wyszukiwarka

Podobne podstrony:
img098 98 8. Metody probabilistyczne Niech będą dane warunkowe rozkłady gęstości prawdopodobieństwa
DSC00380 METODY PROBABILISTYCZNE I STATYSTYKA — INF SI 1. Niech Cl będzie dowolną przestrzenią zdarz
img097 8. METODY PROBABILISTYCZNE8.1. Postawienie zadania i podstawowe założenia Omówimy teraz grupę
img097 8. METODY PROBABILISTYCZNE8.1. Postawienie zadania i podstawowe założenia Omówimy teraz grupę
img100 100 8. Metody probabilistyczne kiwaną w przypadku pojawienia się obiektu opisywanego zbiorem
img102 102 8.2. Ogólne własności sieci Hintona Jeśli jednak wektory nie są liniowo niezależne, to wó
img102 102 Podstawienie x = w0t, i ~    jest równoważne przecięciu wykresu funk cji z
img102 102 °t * 22-<2 (f? Hr    Sr    Or r +“r - 3?/ • ,r TE*
img104 104 8. Metody probabilistyczne8.3. Rozpoznawanie w przestrzeni wielowymiarowej Wychodząc w ro
img106 106 8. Metody probabilistyczne begin for i := 1 to numclass do fun[i] := log ( density(i, obj

więcej podobnych podstron