模式識別之二次和線性分類器(ppt 92頁)

模式識別之二次和線性分類器目錄：
1.1、二次和線性分類器
一、兩類問題的二次和線性分類器
二、判別函數和多類分類器
三、Fisher線性分類器—另一種決策準則（另外一種解決思路）
1.2、分類器的錯誤率問題
一、錯誤率的計算和估計
二、在一些特殊情況下錯誤率的計算
三、模式可分性的度量
四、錯誤率的Bhattacharyya和Chernoff界

模式識別之二次和線性分類器內容提要：
這一節的目的（概念）有兩個：
在一定的分布和條件下（如正態、等協方差矩陣），貝葉斯決策可以導致二次或線性分類器。
雖然貝葉斯決策（似然比檢驗）在錯誤率或風險上是最優的，但必須知道類條件密度。在大多數應用場合，類條件密度函數是從有限的樣本中估計的。後麵我們將講一些密度函數估計的方法。但密度函數的估計本身是一件複雜工作（其難度不低於分類）並且需要大量樣本。

..............................