基于最小错误率的贝叶斯决策规则为：如果P(w1|x)> P(w2|x)，则把x归类于弹出状态w1，反之P(w1|x)<P(w2|x)，则把x归类于不弹出状态。把它设计成分类函数的形式，则可以直接利用分类函数进行判别。如式(7)：
                                   (7)

x是样本向量，w为权向量，w0是个常数。在实际操作中，可以通过上述数据库中大量的样本来计算出w和w0。得出g(x)后，则可以对实际中检测到的一组特征值进行评估，以决定是否引爆气囊。
    二维的情况下g(x)的示意图如图５所示。

                       图5  分类函数示意图
    如图5所示，分类函数g(x)可以将两种状态（引爆气囊和不引爆气囊）很好地区分开来，实现了对汽车碰撞状态的即时判断。而这种算法只要求系统进行一个查表的运算，大大减少计算量。
4  总结
    综上所述，移动窗算法对于低速的抗干扰方面存在不足；而加入了速度函数的改进算法，能够适当增加系统在高速时的灵敏度，又能减少低速时的气囊误触发几率，符合现代安全气囊的控制要求；模式识别的控制算法是建立在前面正确的控制算法的基础上，利用大量的历史数据得出判别函数，从而直接对气囊是否弹出进行判断，大大减少计算量。