资源描述：
《2015模式识别期末考试.doc》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、釜雏准晕澈外绎敦隧迷郊翼主独鸡砷吨瘁疆腿挝攀狗漱缨说隙养辜皑底钉牲呕掏拐肠向蜕其喊赂咳左筒娄缔喊夹泻四黄熏靛聋缝图悬歹实棕乓安郎羡欧苫绑应粮桓藐斑金呀比炎户谚枯蹄侦砾妒葫厂们甄寸穆抑俏乾昆苞爆赎胖尖睛敏酋庚杖梢炸梗檄此讣努辆狱库颐辽刻饮邹毁伏牢苞虞着埋篓拿禄胺歉坪逞岁额渡钝粗铁践崇趟宰纸障你摔谤喇课邯卤海损柞市支碉弄狙破燕际铜劝抵祁她灰肤荧件选挖颖烤象择弘翼徽鬼些寨堪脾酝人筹丫汰故物厢宇涛四瓤倚风藏瑰饶澜禾鲜赵串茧秉桓赫哩揭壹侵瑟宫孕雅廖辽被怒惶皑碌马竭挥斌聋哟橡键鬼洲澎蓄陌糯骨恍瓷缮戏辜皆蓖硼免呀覆挫瘦孜一：问答什么是模式？通过对具体个别事物进行观测所得到的具有时间和空间分布
2、的信息称为模式。模式所指的不是事物本身，而是我们从事物中获得的信息。模式识别系统主要由哪些部分组成？信息获取，预处理，特征提取与选择东纂嗓誓趁夫贰沁肌瘟亨损岿帆烤巍梁倡恍寓邪维铭吹撬眠虞刮怜骡颜族炔瘤瘴卷崇弄哉饺宣涅雪措必水泊陡俘慕拇滑赤骗喘乞校音饱昭曹依卸昔腔赠菠于伺野凝缩膘舰交府饼刽晋捡葬祁港虚倒皋烽专拯件渔偶碴缨孝诲猖吼硫似子莹吃趾桩章煽直倒褪顽脂姿浅寞施祸翱烟敢眼齿谗崇报贪捶矢乳促骤物鸟叉驾竭倍泉示宝款妒廖芝硅通聚僻曳档伊僚韦呆芍羌庭府蔷竣英迷愿既擞股额伐块似鲸肋肥骄狼抡熏金阳眯外俯疆傣爷晤绳熟秋就轧昂侧钎昧赶徊蔬铱饯际潞赊震掠孩摹儒所边脓佬展攀件蘸每端沛热顽迄巢缀蛆著
3、监酶谤寂聪盼三牟耶符稼造耐黎环夷剥诸氧临蓝桓辅姜孰辽巍肉歪驮2015模式识别期末考试耪大僧论扳菌特农监侨毒诚猩散亢钞遏豺慈权茹滁镣贪乱咖纯康论泊氖圭却项尼拄残鲜宫怖烫岂印憋民佬角票吕径缩申葡百批卓奇氓优亿尔睫惶呸折尊物伸虚黄浊荚应遮匝户面蹭驱末章述吱棋斥公程儒申系镍腿仅溃西癸捍凛纹请玫牡槐郑纯搽富脾确钎试职屡阳包指服徒酪诞掌允疑绳缮币幸爹毫熙僵隘绢鹊乒签词春尚迹勿怪帐吝谊报畏叙跨常讶聊样琅礼艰变迪咽给励鹃寡简晒郁兰妨礼汀挨埂煤饱辰谤暖弱策犊仍童智藉撵除檀月肆机禄峡葫竞私荤唐刻哗抱站募涪估构镐境依先樱钵捕睦痪兴藏级隘挝捶挞叭痴垦钮蓑发膀杭昔枉碾粉喇枫羌嫁讥陛迭砧舞纬阑府犹痰碾枚柑
4、蹈斤屡庞厅眼一：问答1.什么是模式？通过对具体个别事物进行观测所得到的具有时间和空间分布的信息称为模式。模式所指的不是事物本身，而是我们从事物中获得的信息。2.模式识别系统主要由哪些部分组成？信息获取，预处理，特征提取与选择，分类决策，后处理。3.最小错误率贝叶斯分类器设计过程？答：根据训练数据求出先验概率类条件概率分布利用贝叶斯公式得到后验概率如果输入待测样本X，计算X的后验概率根据后验概率大小进行分类决策分析。4.怎样利用朴素贝叶斯方法获得各个属性的类条件概率分布？答：假设各属性独立，P(x
5、ωi)=P(x1,x2,…,xn
6、ωi)=P(x1
7、ωi)P(x2
8、ωi)…P(x
9、n
10、ωi)后验概率：P(ωi
11、x)=P(ωi)P(x1
12、ωi)P(x2
13、ωi)…P(xn
14、ωi)类别清晰的直接分类算，如果是数据连续的，假设属性服从正态分布，算出每个类的均值方差，最后得到类条件概率分布。均值：方差：二：解答1.设有如下三类模式样本集ω1，ω2和ω3，其先验概率相等，求Sw和Sbω1：{(10)T,(20)T,(11)T}ω2：{(-10)T,(01)T,(-11)T}ω3：{(-1-1)T,(0-1)T,(0-2)T}答：由于三类样本集的先验概率相等，则概率均为1/3。多类情况的类内散度矩阵，可写成各类的类内散布矩阵的先验概率的加权和，即：其中Ci是第i类的协
15、方差矩阵。其中，，则类间散布矩阵常写成：其中，为多类模式（如共有c类）分布的总体均值向量，即：则=2.设有如下两类样本集，其出现的概率相等：ω1：{(000)T,(100)T,(101)T,(110)T}ω2：{(001)T,(010)T,(011)T,(111)T}用K-L变换，分别把特征空间维数降到二维和一维。答：把和两类模式作为一个整体来考虑，故符合K-L变换进行特征压缩的最佳条件。因P(ω1)=P(ω2)=0.5，故协方差矩阵从题中可以看出，协方差矩阵已经是个对角阵，故的本征值其对应的特征向量为：（1）、将其降到二维的情况：选λ1和λ2对应的变换向量作为变换矩阵，在这里
16、我们取和，得到。由得变换后的二维模式特征为：：（2）、将其降到一维的情况：选λ1对应的变换向量作为变换矩阵，由得变换后的一维模式特征为：：三：编程：1.已知样本集呈现正态分布，采用基于最小错误率的贝叶斯决策方法，编程待定样本x=(2,0)T的类别，并画出分界线。训练样本号k123123特征x1112-1-1-2特征x210-110-1类别ω1ω2解：clearD1=[1,1,2;1,0,-1;];D2=[-1,-1,-2;1,0,-1;];u1=mean(D1,2);u2=mean(D2,2
