第四章 习题解
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
第四章 习题解
4.2 设一维两类模式满足正态分布,它们的均值和方差分别为,μ1=0,σ1=2,μ2=2,σ2=2,p(x) ~N(μ,σ),窗函数P(ω1)= P(ω2),取0-1损失函数,试算出判决边界点,并绘出它们的概率密度函数曲线;试确定样本-3,-2,1,3,5各属哪一类。
解:
已知21(|))8x p x ω=-
2
2
(2)(|)]8x p x ω-=-
由Bayes 最小损失判决准则: 如果1221221212211211(|)()()()(|)()()p x P l x p x P ωωλλθωωλλ-=
>=-,则判1x ω∈,否则判2x ω∈。
221212(2)1()exp[]exp()1882x x x l x θ--=-+=->=
1211ln[exp()]ln ln1022x x θ---=>==
∴如果1x <,则判
1x ω∈,否则判2x ω∈。 ∴-3,-2属于ω1;1,3,5属于ω2。
4.7 在图像识别中,假定有灌木丛和坦克两种类型,分别用ω1和ω2表示,它们的先验概率分别为0.7和0.3,损失函数如表3.1所示。现在做了四次试验,获得四个样本的类概率密度如下 )/(1ωx p :0.1,0.15,0.3, 0.6
)/(2ωx p :0.8,0.7,0.55, 0.3 (1) (2) ;
(3) 将拒绝判决考虑在内,重新考核四次试验的结果。
表3.1
解:
(1)两类问题的Bayes 最小误判概率准则为
如果
12121221(|)()()(|)()p x P l x p x P ωωθωω=
>=,则判1x ω∈,否则判2x ω∈。
由已知数据,θ12=0.3/0.7=3/7, 样本x 1:∵ l 12(x 1)=0.1/0.8<θ12=3/7 ∴ x 1∈ω2
样本x 2:∵ l 12(x 2)=0.15/0.7<θ12=3/7 ∴ x 2∈ω2
样本x 3:∵ l 12(x 3)=0.3/0.55>θ12=3/7 ∴ x 3∈ω1
样本x 4:∵ l 12(x 4)=0.6/0.3>θ12=3/7 ∴ x 4∈ω1
(2)不含拒绝判决的两类问题的Bayes 最小风险判决准则为
如果
1221221212211211(|)()()()(|)()()p x P l x p x P ωωλλθωωλλ-=
>=-,则判1x ω∈,否则判2x ω∈。
由已知数据,θ12=0.3⨯(2 - 1)/[0.7⨯(4 - 0.5)]=3/24.5,
样本x 1:∵ l 12(x 1)=1/8>θ12=6/49 ∴ x 1∈ω1
样本x 2:∵ l 12(x 2)=3/14>θ12=6/49 ∴ x 2∈ω1
样本x 3:∵ l 12(x 3)=6/11>θ12=6/49 ∴ x 3∈ω1
样本x 4:∵ l 12(x 4)=6/3>θ12=6/49 ∴ x 4∈ω1
(3)含拒绝判决的两类问题的Bayes 最小风险判决准则为
1,2,3if (|)min[(|)] then , 3i j i j R x R x x i ααω==∈=时为拒绝判决
其中条件风险:
21(|)(|)(|),1,2,3j j i i i R x P x j αλαωω===∑
后验概率: 21(|)(|)()/()(|)()/[(|)()]
i i i i i i i i P x p x P p x p x P p x P ωωωωωωω===∑ ∴2
11(|)(|)(|)(),1,2,3()j j i i i i R x p x P j p x αλαωωω===∑
记21(|)(|)(|)(),1,2,3
j j i i i i r x p x P j αλαωωω===∑ (4.7-1)
则,含拒绝判决的两类问题的Bayes 最小风险判决准则为 1,2,3
if r(|)min[(|)] then , 3i j i j x r x x i ααω==∈=时为拒绝判决
对四个样本逐一列写下表,用(4.7-1)式计算r (αj |x )。
31122113311441
4.9 假设两类二维正态分布参数为μ1=(-1,0)’,μ2=(1,0)’,先验概率相等。
(1)令∑1=∑2=I ,试给出负对数似然比判决规则;
(2)令
111/21/21⎛⎫∑= ⎪⎝⎭ 211/21/21-⎛⎫∑= ⎪-⎝⎭
试给出负对数似然比判决规则。
解:
Bayes 最小误判概率似然比判决规则为
如果
12121221(|)()()1(|)()p x P l x p x P ωωθωω=
>==,则判
1x ω∈,否则判2x ω∈。 相应的负对数似然比判决规则为
如果122112ln ()ln (|)ln (|)ln ln10l x p x p x ωωθ-=-<-=-=,则判1x ω∈,否则判2x ω∈。 对于正态分布
1/21/211(|)exp[()'()](2)||2i i i i n i p x x x ωμμπ-=--∑-∑ 1112121112221ln ()[ln ||ln ||()'()()'()]2l x x x x x μμμμ---=∑-∑+-∑---∑-
(1)由已知,22111212211(1)111(|)exp[()'()]exp[]002222x x x x p x I x x ωππ--⎛⎫⎛⎫⎛⎫⎛⎫++=---=- ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭
⎝⎭⎝⎭22111222211(1)111(|)exp[()'()]exp[]002222x x x x p x I x x ωππ⎛⎫⎛⎫⎛⎫⎛⎫-+=---=- ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭⎝⎭
∴22
1221111ln ()ln (|)ln (|)(1)(1)4l x p x p x x x x ωω-=-=+--= 故,如果
10x <则判1x ω∈,否则判2x ω∈。
(2) ∵111/2||3/4
1/21∑=
=, 21
1/2||3/4
1/21-∑==-
11
111/211/241/211/213---⎛⎫⎛⎫∑== ⎪ ⎪-⎝⎭⎝⎭,21111/211/241/211/213---⎛⎫⎛⎫∑== ⎪ ⎪-⎝⎭⎝⎭
∴
''
1111122222111111/211/21414ln ()1/211/212323x x x x l x x x x x ++---⎛⎫⎛⎫⎛⎫⎛⎫⎛⎫⎛⎫-=- ⎪ ⎪ ⎪ ⎪ ⎪ ⎪-⎝⎭⎝⎭⎝⎭⎝⎭⎝⎭⎝⎭ ''1212111122221/21/21122113322x x x x x x x x x x x x +--+⎛⎫⎛⎫+-⎛⎫⎛⎫ ⎪ ⎪=-+- ⎪ ⎪ ⎪ ⎪-++ ⎪ ⎪⎝⎭⎝⎭⎝⎭⎝⎭
111122*********[(1)(1/2)()(1)(1/2)()]322x x x x x x x x x x x x +-=++-+-+---+-+
1124(2)3x x x =-
∴1212if (2)0 then else x x x x ωω-<∈∈ 即,121212if [(<0)and( 2)][(0)and( 2)] then else x x or x x x x ωω<>>∈∈
补充题1:
假设两类一维模式的概率密度函数为 10.51, 02(|)0, x x p x ω-+≤≤⎧=⎨⎩其它 20.50.5, 13(|)0, x x p x ω-≤≤⎧=⎨⎩其它
先验概率相等。
(1)求Bayes 判决函数(用0-1损失函数);
(2)求总的误判概率。
解:(1)