模式识别习题课.docVIP

在图像识别中，假定有灌木和坦克2种类型，它们的先验概率分别是0.7和0.3，损失函数如下表所示。其中，类型w1和w2分别表示灌木和坦克，判决a1=w1，a2=w2。现在做了2次实验，获得2个样本的类概率密度如下： 状态 损失 决策 W1 W2 a1 0.5 2 a2 4 1.0 （1）试用最小错误率贝叶斯准则判决2个样本各属于哪一类？坦克、灌木。 （2）试用最小风险决策规则判决2个样本各属于哪一类？灌木、灌木。 答：（1）最小错误率贝叶斯准则 （2）最小风险决策规则 给出二维样本数据(-1,1),(2,2),(1,-1),(-2,-2)，试用K-L变换作一维数据压缩。 答：数据压缩结果：0，，0， 0---算出m后应该把它当作坐标原点重新计算其他坐标值 3---|λE-A|=0 (λE-A)*X=0 0向量 平移坐标系，将模式的总体均值向量作为新坐标系的原点 求随机向量X的自相关矩阵 求自相关矩阵的n个特征值及其对应的特征向量 将特征值从大到小排序，取前m个大的特征值所对应的特征向量构成新的变换矩阵 将n维向量变换为m维新向量 已知两类的数据：ω1：(1,0),(2,0),(1,1)；ω2：(-1,0),(0,1),(-1,1)，试求该组数据的类内与类间散布矩阵。 Sw（within）neilei Sb(betwwen)neijian 4、已知欧氏二维空间中两类9个