1.贝叶斯判别基本思想

贝叶斯（Bayes）判别分析方法是现代统计学的一个重要分支，它的基本思想是：假设对研究的样本对象已有一定的认识，即可应用先验概率分布来描述这种认识，然后对先验认识作一些修正后，得到后验概率分布，它是基于后验概率分布对被检测数据对象进行统计推理分析的方法。

贝叶斯方法的特点在于利用了先验分布，由于有了这个先验分布，所以不需要很大的样本也可以得到很好的概率估计值，这是贝叶斯方法的优点。

将贝叶斯统计分析思想用于判别分析方法中，这就是贝叶斯判别分析方法。它是一种常用的判别分析方法，它提供了一种简单、强大的指导分类的方法。贝叶斯理论使用的数据可以来源于主观的直观判断或是经验数据，也可以来源于间接的资料信息。它假定的参数是一个未知的随机变量，不再是一个未知的常数，它可以将主观信息和客观信息用一定的数学公式进行估计。

2.贝叶斯判别原理(www.daowen.com)

使用统计语言来描述贝叶斯判别分析时，令U＝{A1，A2，…，An，C}是随机变量的有限集合，其中A1，A2…An是属性变量，类别变量C的取值范围是C＝{C1，C2…Cm}，ai是属性Ai的取值，那么xi＝{a1，a2…an}属于Cj类的概率可以由贝叶斯定理表示为：

在假定各特征参数相互独立的情况下，有，于是贝叶斯定理可以改写为如下形式：

对于给定的模式X，我们通过计算全部的隶属类Cj的后验概率P（Cj|X），依据P（Cj|X）的最大值来判断出输入归属在哪一类。通常我们应用这个方法构造一组多个评判函数g（X），而对于每一个评判函数来说，它们分别对应其评价判别规则，定义如下：

当且仅当对于所有的i＝1，2…I，i≠j全部满足gj（X）＞gi（X），再进行评价判别X隶属于Cj类别，gi（X）为第i类的评判函数。