资源描述：
《 模式识别试题库》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、《模式识别》试题库 一、基本概念题 1.1模式识别的三大核心问题是：、、。 1.2、模式分布为团状时，选用聚类算法较好。 1.3欧式距离具有。马式距离具有。 （1）平移不变性（2）旋转不变性（3）尺度缩放不变性（4）不受量纲影响的特性 1.4描述模式相似的测度有：。 （1）距离测度（2）模糊测度（3）相似测度（4）匹配测度 1.5利用两类方法处理多类问题的技术途径有：（1）；（2）； （3）。其中最常用的是第个技术途径。 1.6判别函数的正负和数值大小在分类中的意义是：，。 1.7感知器算法。 （1）
2、只适用于线性可分的情况；（2）线性可分、不可分都适用。 1.8积累位势函数法的判别界面一般为。 （1）线性界面；（2）非线性界面。 1.9基于距离的类别可分性判据有：。 （1）（2）（3） 1.10作为统计判别问题的模式分类，在（）情况下，可使用聂曼-皮尔逊判决准则。 1.11确定性模式非线形分类的势函数法中，位势函数K(x,xk)与积累位势函数K(x)的关系为（）。 1.12用作确定性模式非线形分类的势函数法，通常，两个n维向量x和xk的函数K(x,xk)若同时满足下列三个条件，都可作为势函数。 ①（
3、）； ②（）； ③K(x,xk)是光滑函数，且是x和xk之间距离的单调下降函数。 1.13散度Jij越大，说明wi类模式与wj类模式的分布（）。当wi类模式与wj类模式的分布相同时，Jij=（）。 1.14若用Parzen窗法估计模式的类概率密度函数，窗口尺寸h1过小可能产生的问题是（），h1过大可能产生的问题是（）。 1.15信息熵可以作为一种可分性判据的原因是：。 1.16作为统计判别问题的模式分类，在（）条件下，最小损失判决规则与最小错误判决规则是等价的。 1.17随机变量l()=p(
4、w1)/p(
5、
6、w2)，l()又称似然比，则E{l()
7、w2}=（）。在最小误判概率准则下，对数似然比Bayes判决规则为（ ）。 1.18影响类概率密度估计质量的最重要因素是（）。 1.19基于熵的可分性判据定义为，JH越（），说明模式的可分性越强。当P(wi
8、)=（）(i=1,2,…,c)时，JH取极大值。 1.20Kn近邻元法较之于Parzen窗法的优势在于（）。上述两种算法的共同弱点主要是（）。 1.21已知有限状态自动机Af=(å，Q，d，q0，F)，å={0，1}；Q={q0，q1}；d：d(q0
9、，0)=q1，d(q0，1)=q1，d(q1，0)=q0，d(q1，1)=q0；q0=q0；F={q0}。现有输入字符串：(a)00011101011，(b)1100110011，(c)101100111000，(d)0010011，试问，用Af对上述字符串进行分类的结果为（）。 1.22句法模式识别中模式描述方法有：。 （1）符号串（2）树（3）图（4）特征向量 1.23设集合X={a,b,c,d}上的关系，R={(a,a),(a,b),(a,d),(b,b),(b,a),(b,d),(c,c),(d,d),
10、(d,a),(d,b)}，则a,b,c,d生成的R等价类分别为（[a]R=，[b]R=，[c]R=，[d]R=）。 1.24如果集合X上的关系R是传递的、（）和（）的，则称R是一个等价关系。 1.25一个模式识别系统由那几部分组成？画出其原理框图。 1.26统计模式识别中，模式是如何描述的。 1.27简述随机矢量之间的统计关系：不相关，正交，独立的定义及它们之间的关系。 1.28试证明，对于正态分布，不相关与独立是等价的。 1.29试证明，多元正态随机矢量的线性变换仍为多元正态随机矢量。 1.30试证明，多
11、元正态随机矢量的分量的线性组合是一正态随机变量。 第二部分分析、证明、计算题 第二章聚类分析 2.1影响聚类结果的主要因素有那些？ 2.2马氏距离有那些优点？ 2.3如果各模式类呈现链状分布，衡量其类间距离用最小距离还是用最大距离？为什么？ 2.4动态聚类算法较之于简单聚类算法的改进之处何在？层次聚类算法是动态聚类算法吗？比较层次聚类算法与c-均值算法的优劣。 2.5ISODATA算法较之于c-均值算法的优势何在？ 2.6简述最小张树算法的优点。 2.7证明马氏距离是平移不变的、非奇异线性
12、变换不变的。 2.8设，类、的重心分别为、，它们分别有样本、个。将和合并为，则有个样本。另一类的重心为。试证明与的距离平方是 2.9（1）设有M类模式wi，i=1,2,...,M，试证明总体散布矩阵ST是总类内散布矩阵SW与类间散布矩阵SB之和，即ST＝SW＋SB。 （2）设有二维样本：x1=(-1,0)T，
