【模式识别】期末考试试卷02资料

《【模式识别】期末考试试卷02资料》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、《模式识别》期末考试试题（A）一、填空题（15个空，每空2分，共30分）1．基于机器学习的模式识别系统通常由两个过程组成,即（）和分类判决。2．统计模式识别把观察对象表达为一个随机向量(即特征向量),将()表达为由有穷或无穷个具有相似数值特性的模式组成的集合。3．特征一般有两种表达方法:(1)将特征表达为()；(2)将特征表达为基元。4．特征提取是指采用变换或映射实现由模式测量空间向()的转变。5．同一类模式类样本的分布比较集中，没有或临界样本很少，这样的模式类称为()。6．加权空间的所有()都通过坐标原点。7．线性多类判别：

2、若每两个模式类间可用判别平面分开，在这种情况下，M类有()个判别函数,存在有不确定区域。8．当取()损失函数时,最小风险贝叶斯判决准则等价于最大后验概率判决准则。9．Neyman-Pearson决策的基本思想是()某一错误率，同时追求另一错误率最小。10．聚类/集群：用事先不知样本的类别，而利用样本的先验知识来构造分类器属于()学习。11．相似性测度、()和聚类算法称为聚类分析的三要素。12．K/C均值算法使用的聚类准则函数是()准则，通过反复迭代优化聚类结果，使所有样本到各自所属类别的中心的距离平方和达到最小。13．根据神经

3、元的不同连接方式，可将神经网络分为分层网络和相互连接型网络两大类。其中分层网络可细分为前向网络、具有反馈的前向网络和()三种互连方式。14．神经网络的特性及能力主要取决于()及学习方法。15．BP神经网络是采用误差反向传播算法的多层前向网络，其中，神经元的传输函数为S型函数，网络的输入和输出是一种()映射关系。二、简答题（2题，每小题10分，共20分）1．简述有监督分类方法和无监督分类方法的主要区别。2．已知一组数据的协方差矩阵为，试问：(1)协方差矩阵中各元素的含义是什么？(2)K-L变换的最佳准则是什么？(3)为什么说经K

4、-L变换后消除了各分量之间的相关性？三、计算题(2题，每小题13分，共26分)1．设有两类样本，两类样本的类内离散度矩阵分别为，，各类样本均值分别为和，试用Fisher准则求其决策面方程。2．设有两类正态分布的样本集，第一类均值，方差，第二类均值，方差，先验概率。试按最小错误率Bayes决策求两类的分界面。一、填空题（每空2分，共30分）1.分类器设计,2.模式类,3.数值,4.特征空间,5.紧致集,6.分界面,7.M(M-1)/2,8.0-1,9.约束或限制,10.无监督,11.聚类准则,12.误差平方和,13.层内互连前向

5、网络,14.网络拓扑结构,15.非线性二、简答题（2题，每小题10分，共20分）参考答案1．答：监督分类方法和无监督分类方法主要区别如下：(1)监督分类方法有训练样本集，在训练样本集中给出不同类别的训练样本，用这些训练样本可以找出区分不同类样本的方法，从而在特征空间中划定决策区域。(2)监督分类方法由训练阶段和测试阶段组成。训练阶段利用训练集中的训练样本进行分类器设计，确定分类器参数；测试阶段将待识别样本输入，根据分类的决策规则，确定待识别样本的所属类别。(3)无监督分类方法可用来分析数据的内在规律，它没有训练样本，如聚类分析

6、等方法属于无监督分类方法。2．答：已知协方差矩阵，则：(1)其对角元素是各分量的方差，非对角元素是各分量之间的协方差。(2)K-L变换的最佳准则为：对一组数据按一组正交基进行分解，在只取相同数量分量的条件下，以均方误差计算截尾误差最小。(3)在经K-L变换后，协方差矩阵成为对角矩阵，因而各主分量间的相关消除。三、计算题(2题，每小题13分，共26分)1．解：2．解：