基于最小風險的Bayes閾值選取準則算法及實現

目錄
前言
第1章 導論 1
1.1 引言 1
1.2 誤報概率、漏報概率與閾值之間的關系 2
1.3 基于最小錯誤概率的閾值選取準則 4
1.4 小結 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 貝葉斯參數統(tǒng)計模型 11
2.4 先驗分布的選取 12
2.5 貝葉斯預測分布密度與預測置信區(qū)間 16
2.6 貝葉斯判別分析 16
2.7 小結 19
第3章 基于最小風險的貝葉斯閾值選取準則 20
3.1 貝葉斯判別準則 20
3.2 基于最小風險的貝葉斯閾值選取準則 21
3.3 基于最小風險的貝葉斯閾值選取準則的實現 22
3.4 實時加權先驗概率求解算法 22
3.5 小結 25
第4章 基于核密度估計的非參數分布密度估計算法 26
4.1 引言 26
4.1.1 核函數的選擇 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 基于樣本點的變窗寬算法的不可實現性討論 34
4.4 基于估計點的滑動窗寬核密度估計算法 36
4.4.1 基于估計點的滑動窗寬核密度估計算法步驟 38
4.4.2 基于估計點的滑動窗寬核密度估計算法驗證 39
4.4.3 基于估計點的滑動窗寬核密度估計算法總結 42
4.5 基于估計點的滑動雙窗寬核密度估計算法 43
4.5.1 基于估計點的滑動雙窗寬核密度估計算法步驟 44
4.5.2 基于估計點的滑動雙窗寬核密度估計算法驗證 45
4.5.3 基于估計點的滑動雙窗寬核密度估計算法總結 48
4.6 基于估計帶的滑動窗寬核密度估計算法 49
4.6.1 基于估計帶的滑動窗寬核密度估計算法步驟 50
4.6.2 基于估計帶的滑動窗寬核密度估計算法驗證 51
4.6.3 基于估計帶的滑動窗寬核密度估計算法總結 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 滑動窗寬迭代算法 55
4.8 基于估計點的滑動窗寬的核密度估計性質及其證明 56
4.9 算法的試驗例證 56
4.10 小結 60
第5章 基于最小風險的貝葉斯閾值選取算法驗證 61
5.1 引言 61
5.2 實例背景 62
5.3 故障狀態(tài)下的試驗例證 64
5.4 正常狀態(tài)下的試驗例證 66
5.5 小結 67
第6章 基于貝葉斯準則的支持向量機 68
6.1 引言 68
6.2 支持向量機分類問題的描述 69
6.3 基于貝葉斯準則的支持向量機 70
6.4 算法的實驗例證 75
6.5 小結 77
參考文獻 78
附錄 80