最小错误率的贝叶斯分类实验和可运行源代码

最小错误率贝叶斯决策和最小风险贝叶斯决策matlab代码,贝叶斯决策理论方法,是统计模式识别中的一个基本方法。贝叶斯决策判据,既考虑了各类参考总体出现的概率大小,又考虑了因误判造成的损失大小,判别能力

贝叶斯分类器

自己编写的，很实用的基于最小错误率的贝叶斯决策！

假定某个局部区域细胞识别中正常P(w1)和异常P(w2)两类先验概率分别为P(w1)=0.9, P(w2)=0.1现有一系列待观察的细胞,其观察值为:-2.67 -3.55 -1.24 -0.98 -

基于最小错误率的贝叶斯手写数字分类器，包括注释，很详尽，是自己按照定义写的，训练集和测试集是用的mnist数据集，最终正确率为73.89%

Pattern Recognition Experiment 1: Minimum Error Rate Bayes (Java)

两个贝叶斯分类器的例子，分别基于最小错误率与最小风险

含有三份代码，都是用matlab实现，分别是基于贝叶斯，基于朴素贝叶斯，基于最小错误率贝叶斯的手写数字识别代码。其中朴素贝叶斯用到了PCA，准确率达到95%

第22卷第5期122 2006年 5月农业工程学报TransactionsoftheCSAEV01.22No.5May2006基于最小错误率贝叶斯决策的苹果图像分割包晓敏,汪亚明(浙江理工大学信息电子

对三维空间特征的数据,通过最小错误率贝叶斯判别方式,对两类数据进行分类,并在空间中绘制出贝叶斯决策面