bayes.h

贝叶斯算法实现

#ifndef _BAYES_H
#define _BAYES_H
#include"matrix.h"
//正态分布的监督参数估计：最大似然估计
//此函数用于求样本的均值向量U
//参数 X 代表一类样本集，X 是一个 n x d 的矩阵
//代表 n 个 特征空间维数为 d 的样本
//每行代表一个样本
Matrix getU(const Matrix &X);

//正态分布的监督参数估计：最大似然估计
//此函数用于求样本的协方差矩阵E
//参数 X 代表一类样本集，X 是一个 n x d 的矩阵
//代表 n 个 特征空间维数为 d 的样本
//每行代表一个样本
//参数 U 是该样本的均值向量，可用上面的 getU() 函数求得
Matrix getE(const Matrix &X, const Matrix &U);

//多元正态概率型下的最小错误率贝叶斯判别函数
//U[i]   为每个类的均值向量
//E[i]   为每个类的协方差矩阵
//Pw[i] 为某类样本的先验概率
//X    为要判别的样本
//其返回值为样本类别的代号，范围是 1, 2, ..., c，c为类别数
int bayesFun(const Matrix U[], const Matrix E[], 
			 const double Pw[],const Matrix &X, int c);

//贝叶斯分类器
//X[c] 为总体样本集,每个数组元素为一个类的样本集
//X 为要判别的样本
//c：类别数
void bayesDepart(const Matrix X[], const double Pw[], 
				 const Matrix &x, int c, char* name[]);

//下面是此贝叶斯分类器需要给定的参数       
//这里只作声明，相应的定义在bayesapp.cpp中
extern int c;      //类别数
extern char* name[];   //类别名称
extern double Pw[];    //每类样本的先验概率
extern Matrix X[];   //总体样本集，数组中的每个矩阵代表一类样本集，
//矩阵中的每一行代表此类样本集的一个样本
#endif