基于最小風(fēng)險(xiǎn)的Bayes閾值選取準(zhǔn)則算法及實(shí)現(xiàn)

目錄
前言
第1章 導(dǎo)論 1
1.1 引言 1
1.2 誤報(bào)概率、漏報(bào)概率與閾值之間的關(guān)系 2
1.3 基于最小錯(cuò)誤概率的閾值選取準(zhǔn)則 4
1.4 小結(jié) 6
第2章 貝葉斯理論 7
2.1 歷史回顧 7
2.2 貝葉斯定理 9
2.3 貝葉斯參數(shù)統(tǒng)計(jì)模型 11
2.4 先驗(yàn)分布的選取 12
2.5 貝葉斯預(yù)測(cè)分布密度與預(yù)測(cè)置信區(qū)間 16
2.6 貝葉斯判別分析 16
2.7 小結(jié) 19
第3章 基于最小風(fēng)險(xiǎn)的貝葉斯閾值選取準(zhǔn)則 20
3.1 貝葉斯判別準(zhǔn)則 20
3.2 基于最小風(fēng)險(xiǎn)的貝葉斯閾值選取準(zhǔn)則 21
3.3 基于最小風(fēng)險(xiǎn)的貝葉斯閾值選取準(zhǔn)則的實(shí)現(xiàn) 22
3.4 實(shí)時(shí)加權(quán)先驗(yàn)概率求解算法 22
3.5 小結(jié) 25
第4章 基于核密度估計(jì)的非參數(shù)分布密度估計(jì)算法 26
4.1 引言 26
4.1.1 核函數(shù)的選擇 28
4.1.2 窗寬的選擇 29
4.2 基于積分均方誤差的窗寬優(yōu)化算法 32
4.3 基于樣本點(diǎn)的變窗寬算法的不可實(shí)現(xiàn)性討論 34
4.4 基于估計(jì)點(diǎn)的滑動(dòng)窗寬核密度估計(jì)算法 36
4.4.1 基于估計(jì)點(diǎn)的滑動(dòng)窗寬核密度估計(jì)算法步驟 38
4.4.2 基于估計(jì)點(diǎn)的滑動(dòng)窗寬核密度估計(jì)算法驗(yàn)證 39
4.4.3 基于估計(jì)點(diǎn)的滑動(dòng)窗寬核密度估計(jì)算法總結(jié) 42
4.5 基于估計(jì)點(diǎn)的滑動(dòng)雙窗寬核密度估計(jì)算法 43
4.5.1 基于估計(jì)點(diǎn)的滑動(dòng)雙窗寬核密度估計(jì)算法步驟 44
4.5.2 基于估計(jì)點(diǎn)的滑動(dòng)雙窗寬核密度估計(jì)算法驗(yàn)證 45
4.5.3 基于估計(jì)點(diǎn)的滑動(dòng)雙窗寬核密度估計(jì)算法總結(jié) 48
4.6 基于估計(jì)帶的滑動(dòng)窗寬核密度估計(jì)算法 49
4.6.1 基于估計(jì)帶的滑動(dòng)窗寬核密度估計(jì)算法步驟 50
4.6.2 基于估計(jì)帶的滑動(dòng)窗寬核密度估計(jì)算法驗(yàn)證 51
4.6.3 基于估計(jì)帶的滑動(dòng)窗寬核密度估計(jì)算法總結(jié) 52
4.7 基于迭代的窗寬優(yōu)化算法 54
4.7.1 固定窗寬迭代算法 54
4.7.2 滑動(dòng)窗寬迭代算法 55
4.8 基于估計(jì)點(diǎn)的滑動(dòng)窗寬的核密度估計(jì)性質(zhì)及其證明 56
4.9 算法的試驗(yàn)例證 56
4.10 小結(jié) 60
第5章 基于最小風(fēng)險(xiǎn)的貝葉斯閾值選取算法驗(yàn)證 61
5.1 引言 61
5.2 實(shí)例背景 62
5.3 故障狀態(tài)下的試驗(yàn)例證 64
5.4 正常狀態(tài)下的試驗(yàn)例證 66
5.5 小結(jié) 67
第6章 基于貝葉斯準(zhǔn)則的支持向量機(jī) 68
6.1 引言 68
6.2 支持向量機(jī)分類問題的描述 69
6.3 基于貝葉斯準(zhǔn)則的支持向量機(jī) 70
6.4 算法的實(shí)驗(yàn)例證 75
6.5 小結(jié) 77
參考文獻(xiàn) 78
附錄 80