...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Pattern Recognition: The Journal of the Pattern Recognition Society >Bayes empirical Bayes approach to unsupervised learning of parameters in pattern recognition
【24h】

Bayes empirical Bayes approach to unsupervised learning of parameters in pattern recognition

机译：贝叶斯经验贝叶斯方法在模式识别中的无监督学习

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In the pattern classification problem, it is known that the Bayes decision rule, which separates k classes, gives a minimum probability of misclassification. In this study, all parameters in each class are unknown. A set of unidentified input patterns is used to establish an empirical Bayes rule, which separates k classes and which leads to a stochastic approximation procedure for estimation of the unknown parameters. This classifier can adapt itself to a better decision rule by making use of unidentified input patterns while the system is in use. The results of a Monte Carlo simulation study with normal distributions are presented to demonstrate the favorable estimation of unknown parameters for the empirical Bayes rule. The percentages of correct classification is also estimated by the Monte Carlo simulation. (C) 1999 Pattern Recognition Society. Published by Elsevier Science Ltd. All rights reserved. [References: 18]
机译：在模式分类问题中，众所周知，将k个类别分开的贝叶斯决策规则给出了最小的错误分类概率。在这项研究中，每个类别中的所有参数都是未知的。一组未识别的输入模式用于建立经验贝叶斯规则，该规则将k类分开，并导致用于估计未知参数的随机近似过程。通过在系统使用过程中使用未识别的输入模式，此分类器可以使自己适应更好的决策规则。提出了具有正态分布的蒙特卡罗模拟研究的结果，以证明对经验贝叶斯规则的未知参数的有利估计。正确分类的百分比也可以通过蒙特卡洛模拟进行估算。 （C）1999模式识别学会。由Elsevier Science Ltd.出版。保留所有权利。 [参考：18]

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号