首页 理论教育 二元假设测试:达到高检测率与低虚警率的决策算法优化

二元假设测试:达到高检测率与低虚警率的决策算法优化

时间:2023-06-28 理论教育 版权反馈
【摘要】:假设在决策系统故障时有两种可能性:一种是虚警,另一种是漏检。显然,二元假设测试决策算法的目的是达到非常小的误差概率,即同时达到高的故障检测率PD和低的虚警率PFA。错误概率最小的测试设P0、P1分别是H0、H1为真的概率,对于二元测试有P0+P1=1,故不正确决策的概率为Pe=PFAP+PMP=PFAP0+PMP1 使Pe最小化的测试称为错误概率最小的测试。

二元假设测试:达到高检测率与低虚警率的决策算法优化

假设在决策系统故障时有两种可能性:一种是虚警,另一种是漏检。一般情况下,观测值的概率密度函数为

式中,PFA为虚警率;PM为漏检率;PD为故障检测率;H0为系统无故障假设;H1为系统有故障假设;Z0为观测值落入H0空间的区域;Z1为观测值落入H1空间的区域。

显然,二元假设测试决策算法的目的是达到非常小的误差概率,即同时达到高的故障检测率PD和低的虚警率PFA。但要同时达到以上目的是相互矛盾的。例如,若取Z=Z1,意味着PD最大可以达到PD=1,所有发生的故障都可检测出来;但PFA也要达到最大值PFA=1,即所有正常情况都误报为有故障。因此,必须折中选择PDPFA,下面介绍几种确定决策函数的方法。

(1)错误概率最小的测试(Minimize Probability of Error,Pe)设P0P1分别是H0H1为真的概率,对于二元测试有P0+P1=1,故不正确决策的概率为

Pe=PFAPH0)+PMPH1)=PFAP0+PMP1 (5-30)

使Pe最小化的测试称为错误概率最小的测试。若PZH0)和PZH1)已知,则

由式(5-29)可知:

在决策区域Z0内,应满足条件P0PZ|H0)>P1PZ|H1);而在决策区域Z1内,应满足条件P0PZ|H0)<P1PZ|H1),即

或者(www.xing528.com)

式(5-33)称为决策规则;978-7-111-44233-2-Chapter05-39.jpg称为决策函数;T称为决策阈值

(2)最小费用测试 在实际应用中,不同类型的错误决策造成的惩罚是不同的,设两种错误的代价系数分别为:C0,表示当H1为真时被判为H0的代价,即漏检的代价系数;C1,表示当H0为真时被判为H1的代价,即虚警的代价系数。

正确的决策将不受惩罚,定义贝叶斯风险系数如下:

使贝叶斯风险系数R最小,可得下面的决策规则

这种方法与错误概率最小的测试方法的差别是阈值的不同。当虚警代价系数C1较大时,阈值大,从而使PFA较小;当漏检的代价系数C0较大时,阈值值小,从而使PM小。

(3)Neyman-Person准则 有时P0P1C0C1不能确切知道,给定PFA后,寻找一种测试方法使PM最小。假设可以接受的虚警率PFA=α,则可以得到如下决策规则

式中,阈值T由下式确定:

式中,PLR|H0λ|H0)为H0为真的条件下,似然比978-7-111-44233-2-Chapter05-44.jpg的概率密度函数。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈