2.2.1基于最小错误率的贝叶斯决策 解决方法 利用对鱼观察到的光泽度提高分类器的性 能。不同的鱼产生不同的光泽度,将其表 示为概率形式的变量,设x是连续的随机变 量,其分布取决于类别状态,表示为p(xo), 即类条件概率分布( (claSs-conditional probability density)函数,则p(xo1)与p(x(o2) 之间的区别就表示为鲈鱼与鲑鱼间光泽度 的区别,如图2.1所示:解决方法 • 利用对鱼观察到的光泽度提高分类器的性 能。不同的鱼产生不同的光泽度，将其表 示为概率形式的变量，设x是连续的随机变 量，其分布取决于类别状态，表示为p(x|ω)， 即类条件概率分布(class-conditional probability density)函数，则 p(x|ω1 )与p(x|ω2 ) 之间的区别就表示为鲈鱼与鲑鱼间光泽度 的区别，如图2.1所示： 2.2.1基于最小错误率的贝叶斯决策