模式识别试题及总结

VIP免费

2025-01-13 0 0 588KB 15 页 5.9玖币

侵权投诉

一、填空与选择填空（本题答案写在此试卷上，30 分）

3、聚类分析算法属于（ 1 ）；判别域代数界面方程法属于（ 3 ）。

（1）无监督分类 (2)有监督分类（3）统计模式识别方法（4）句法模式识别方法

9、影响层次聚类算法结果的主要因素有（计算模式距离的测度、（聚类准则、类间距离门限、预定的类

别数目））。

11、线性判别函数的正负和数值大小的几何意义是（正（负）表示样本点位于判别界面法向量指向的

正（负）半空间中；绝对值正比于样本点到判别界面的距离。）。

12、感知器算法 1 。

（1）只适用于线性可分的情况；（2）线性可分、不可分都适用。

14、在统计模式分类问题中，聂曼-皮尔逊判决准则主要用于（某一种判决错误较另一种判决错误更

为重要）情况；最小最大判决准则主要用于（先验概率未知的）情况。

15、“特征个数越多越有利于分类”这种说法正确吗？（错误）。特征选择的主要目的是（从

个特

征中选出最有利于分类的的

个特征（ m<n），以降低特征维数）。

16、散度 Jij 越大，说明 wi 类模式与 wj 类模式的分布（差别越大）；当 wi 类模式与 wj 类模式的分

布相同时，Jij=（0）。

20、基于二次准则函数的 H-K 算法较之于感知器算法的优点是（ ①③ ）。

① 可以判别问题是否线性可分；②其解完全适用于非线性可分的情况；

③ 其解的适应性更好；④计算量小。

21、影响基本 C 均值算法的主要因素有（ ④①② ）。

① 样本输入顺序；②模式相似性测度；③聚类准则；④初始类心的选取。

25、散度 JD是根据（ ③ ）构造的可分性判据。

① 先验概率；②后验概率；③类概率密度；④信息熵；⑤几何距离。

26、似然函数的概型已知且为单峰，则可用（ ①②③④⑤ ）估计该似然函数。

① 矩估计；②最大似然估计；③ Bayes 估计；④ Bayes 学习；⑤ Parzen 窗法。

28、从分类的角度讲，用 DKLT 做特征提取主要利用了 DKLT 的性质：（ ①③ ）。

① 变换产生的新分量正交或不相关；②以部分新的分量表示原矢量均方误差最小；③使变换后的

矢量能量更趋集中；

29、一般，剪辑 k-NN 最近邻方法在（ ① ）的情况下效果较好。

① 样本数较大；②样本数较小；③样本呈团状分布；④样本呈链状分布。

30、如果以特征向量的相关系数作为模式相似性测度，则影响聚类算法结果的主要因素有（ ②③

）。

① 已知类别样本质量；②分类准则；③特征选取；④量纲。

第 1 页共 15 页

二、(15 分)简答及证明题

（1）影响聚类结果的主要因素有那些？

答：（1）分类准则，模式相似性测度，特征量的选择，量纲。

三、(8 分)说明线性判别函数的正负和数值大小在分类中的意义并证明之。

答：（1）（4 分）的值正比于到超平面的距离，一个特征矢量代入判别函

数后所得值的绝对值越大表明该特征点距判别界面越远。

（2）（4 分）的正（负）反映在超平面的正（负）侧。判别函数值的正负表示出特征

点位于哪个半空间中，或者换句话说，表示特征点位于界面的哪一侧。

五、(12 分，每问 4 分) 在目标识别中，假定有农田和装甲车两种类型，类型

和类型

分别代表农

田和装甲车，它们的先验概率分别为 0.8 和 0.2，损失函数如表 1 所示。现在做了三次试验，获得三个

样本的类概率密度如下：

：0.3，0.1，0.6

：0.7，0.8，0.3

（1）试用贝叶斯最小误判概率准则判决三个样本各属于哪一个类型；

（2）假定只考虑前两种判决，试用贝叶斯最小风险准则判决三个样本各属于哪一类；

（3）把拒绝判决考虑在内，重新考核三次试验的结果。

表1

类型

损失

判决



1 4

5 1

1 1

解：由题可知：，，，

，

（1）（4 分）根据贝叶斯最小误判概率准则知：

，则可以任判；，则判为；，则判为

；

第 2 页共 15 页

（2）（4 分）由题可知：

则，判为；

，判为；

（3）（4 分）对于两类问题，对于样本，假设已知，有

则对于第一个样本，

，则拒判；

，拒判。

2.动态聚类是指对当前聚类通过迭代运算改善聚类；

　　分级聚类则是将样本个体，按相似度标准合并，随着相似度要求的降低实现合并。

一、试问“模式”与“模式类”的含义。如果一位姓王的先生是位老年人，试问“王先生”和“老头”谁是模式，

谁是模式类？

答：在模式识别学科中，就“模式”与“模式类”而言，模式类是一类事物的代表，概念或典型，而

“模式”则是某一事物的具体体现，如“老头”是模式类，而王先生则是“模式”，是“老头”的具体化。

二、试述动态聚类与分级聚类这两种方法的原理与不同。

　答：动态聚类是指对当前聚类通过迭代运算改善聚类；分级聚类则是将样本个体，按相似度标准合并，随

着相似度要求的降低实现合并。

三、如果观察一个时序信号时在离散时刻序列得到的观察量序列表示为，而该时序信号的内

在状态序列表示成。如果计算在给定O条件下出现S的概率，试问此概率是何种概率。如果

从观察序列来估计状态序列的最大似然估计，这与 Bayes 决策中基于最小错误率的决策有什么关系。

答：在给定观察序列条件下分析它由某个状态序列S产生的概率似后验概率，写成

P(S|O)，而通过 O求对状态序列的最大似然估计,与贝叶斯决策的最小错误率决策相当。

第 3 页共 15 页

文档加载中……请稍候！
如果长时间未打开，您也可以点击刷新试试。

下载文档到电脑，查找使用更方便

5.9 玖币 0人已下载

立即下载 VIP免费下载

摘要：

一、填空与选择填空（本题答案写在此试卷上，30分）3、聚类分析算法属于（1）；判别域代数界面方程法属于（3）。（1）无监督分类(2)有监督分类（3）统计模式识别方法（4）句法模式识别方法9、影响层次聚类算法结果的主要因素有（计算模式距离的测度、（聚类准则、类间距离门限、预定的类别数目））。11、线性判别函数的正负和数值大小的几何意义是（正（负）表示样本点位于判别界面法向量指向的正（负）半空间中；绝对值正比于样本点到判别界面的距离。）。12、感知器算法1。（1）只适用于线性可分的情况；（2）线性可分、不可分都适用。14、在统计模式分类问题中，聂曼-皮尔逊判决准则主要用于（某一种判决错误较另一种判...

展开>> 收起<<

模式识别试题及总结.doc

共15页,预览3页

还剩页未读，继续阅读

声明：本站为文档C2C交易模式，即用户上传的文档直接被用户下载，本站只是中间服务平台，本站所有文档下载所得的收益归上传人(含作者)所有。玖贝云文库仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对上载内容本身不做任何修改或编辑。若文档所含内容侵犯了您的版权或隐私，请立即通知玖贝云文库，我们立即给予删除！

模式识别试题及总结

相关推荐

开通VIP享超值会员特权

作者详情

相关内容

热门标签

举报选择: