Page 19 - 4196
P. 19

1    1   2
                                  a   K         .
                 Нескладні перетворення дозволяють записати обла-
           сті класифікації у вигляді
                                   X    :x  a x   c 1 ,
                                     1
                                X     :x  a x   c 1 ,            (4.12)
                                  2
                               1                  p 
           де константа  c     a   1      2   ln  2  12   визначається
                           1
                               2                  p   21
                                                   1
           параметрами  нормальної  моделі,  апріорним  розподілом
           та заданими втратами. Якщо втрати     12 ,  21  невідомі або
           їх складно оцінити, то приймають    12    21   1.

                 Лінійну  функцію  спостережень    ax   x    назива-
           ють дискримінантною функцією. Рівняння    cx      1  - це
           рівняння гіперплощини, яка розділяє вибірковий простір
            X  на дві області  X  та  X  такі, що якщо спостереження
                                1     2
            x   X , то його відносять до класу   , а якщо  x   X , то
                 1
                                                  1
                                                                  2
           воно відноситься до класу   .
                                         2
                 Якість  класифікації  визначається  величиною  байе-
           совського ризику
                   r    p   1  21 P H 2  H 1  p   2  12 P H 1  H 2  ,           (4.13)

           де  HP  2  H 1     1  dxx    -  імовірність  неправильної  кла-
                             f
                           X 2
           сифікації,  коли  спостереження  x   відповідає  класу   ;
                                                                     1
            P H 1  H 2   f   dxx    -  ймовірність  неправильної  класи-
                         2
                        X 1
           фікації, коли спостереження  x  відповідає класу   .
                                                               2

                 2 Мінімаксний підхід
                 Мінімаксне  рішення  використовують  у  випадку,
           коли  апріорні  імовірності  гіпотез  невідомі.  Мінімаксну
                                        19
   14   15   16   17   18   19   20   21   22   23   24