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,