在距离分类器和判别函数分类器中，我们都是把模式看作是 N 维欧氏空间中的一个点， 而且统一类别的模式在空间中聚集在一定的区域，不同模式的区域在空间中具有一定的分离 性。在本章所讨论的统计分类器中，我们仍然认为模式是欧氏空间中的一个点，但是每一类 模式不是分布在空间中的一个确定区域，而是可能分布在整个空间，只不过空间中每一点属 于某一类的概率不同，属于这一类的可能性大一些，属于另一类的可能性小一些

4.1 概率论基本知识 4.3 最小平均风险准则贝叶斯分类器

贝叶斯决策理论 统计模式识别的主要方法之一 采用贝叶斯决策理论分类的前提： 目标（事物）的观察值是随机的，服从一定的概率分布。 即：模式不是一个确定向量，而是一个随机向量

1 引言 2 几种常用的决策规则 3 正态分布时的统计决策 4 关于分类器的错误率问题

1 概率密度估计 2 直方图方法 3 Parzen 窗 4 K 近邻密度估计 k 近邻分类器

1 基本原理 2 多分类器结合 3 装袋 Bagging 4 提升法 Boosting（提升法） AdaBoost 算法 AdaBoost 算法的另一个解释

1. 分凝器与全凝器 分离苯和甲苯的精馏塔,从塔顶第一块板上升的蒸汽中含苯0.8(摩尔分数), 塔顶分别用全凝器和分凝器, 回流液均为泡点温度, 回流比均为2. (1) 产品质量哪个更好? 并在等压图(T-x)上表示. (2) 两种情况下精馏段的操作线有何区别?

1.分凝器与全凝器 分离苯和甲苯的精馏塔,从塔顶第一块板上升的蒸汽中含苯0.8(摩尔分数),塔顶分别用全凝器和分凝器,回流液均为泡点温度,回流比均为2. (1)产品质量哪个更好?并在等压图(T-x)上表示 (2)两种情况下精馏段的操作线有何区别?

线性分类器的设计 分段线性分类器的设计 非线性分类器的设计

9.0 引言 9.1 分类器组合I 9.2 分类器组合II