10《模式识别》思考题目.docVIP

2010《模式识别原理》思考题 解释模式识别的概念，并举例说明之。 在图像识别中，假定有灌木丛和坦克两类型，它们的先验概率分别是0.7和0.3，损失函数如表一所示，其中，类型ω1和ω2分别表示灌木丛和坦克，判决α1= ω1, α2= ω2, α3表示拒绝判决。现有四次试验，获得四个样本的类概率密度如下： P(x/ ω1)：0.1，0.15，0.3，0.6 P(x/ ω2)：0.8，0.7，0.55，0.3 试用Bayes最小错误率判断四个样本各属于哪一类？ 假定只考虑前两种判决，试用Bayes最小风险判断四个样本各属于哪一类？ 把拒绝判决考虑在内，重新考核四次分类试验的结果。 表一： 类型 损失 判决 ω1 ω2 α1 0.5 2 α2 4 1.0 α3 1.5 1.5 一个三类问题，按最大值判决规则建立三个判决函数： d1(x) = -x1+x2 d2(x) = x1+x2-1 d3(x) = -x2 现有模式样本： x1=(1,1)T, x2=(3,5)T, x3=(2,5)T x4=(0,1)T, x5=(0,-5)T, x6=(5,0)T 试判断它们各自属于哪一种类型；在特征空间里绘出区分超平面，类型区域以及三个样本的位置。 已知二类问题的训练样本为： ω1: (0,0)T (1,0)T ω2: (0,1)T (1,1)T 试用感知器法求判决函数，并绘出区分界面示意图。 现有混合样本X={(0,0)T, (0,1)T, (4,4)T, (4,5)T, (5,4)T, (5,5)T, (1,0)T} 试用①：最大最小距离聚类算法进行分类； ②： C－均值法进行分类。 按照完整模式识别系统的组成, 列举一个应用模式识别知识解决具体问题的实例，简要说明其中用到的理论和方法，并就此谈一谈学习该课程的体会。 名词解释：特征空间，特征提取，基元，随机模式，聚类分析 单项选择题A、特征提取　B C、分类识别 D、信息融合 2、小明手中拿着一个橙子，边吃边说：我就爱吃橙子。则关于“橙子”的说法正确的是（ ） A、两者都是模式； B、前者是模式，后者是模式类； C、两者都是模式类； D、前者是模式类，后者是模式； 3、关于线性判别函数，错误的说法是（ ） 4、下面关于贝叶斯的提法中，（ ）属于模式识别中的统计判决方法 A、贝叶斯公式　B C、贝叶斯估计 D、贝叶斯学习 判断题