模式识别 复习要点 北京化工大学.pdf

复习要点 绪论 1、举出日常生活或技术、学术领域中应用模式识别理论解决问题的实例。 2、若要实现汽车车牌自动识别，你认为应该有哪些处理步骤？分别需要哪些模 式识别方法？试用流程图予以说明。 统计决策 3、最小错误率贝叶斯决策方法与最小风险贝叶斯决策方法 4、正态分布下最小错误率决策与Neyman-Pearson 决策方法   1 2 （1）假设在某个地区的细胞识别中正常 和异常 两类的先验概率分别为 P() 0.9 正常状态 ： 1 P( ) 0.1 异常状态： 2 x p (x ) 0.2 , p (x  ) 0.4 现有一待识的细胞，其观测值为 ，从类条件概率密度分布曲线上查得 1 2 并且已知损失系数为 =0， =1， =6， =0。试对该细胞以以下两种方法进行分类：①基于最小错误概 11 12 21 22 率准则的贝叶斯判决；②基于最小风险的贝叶斯判决。 （2）已知两个一维模式类别的类概率密度函数为 2x , 0 x 1  p (x |)  1  0, 其它 2 2x , 0 x 1  p (x | )  2  0 , 其它 先验概率P()=P()，损失函数， = =0， =0.6， =0.4。对于这个两类一维问题，若这两类的类概 1 2 11 22 12 21 2 2 率密度分别服从正态分布N(0,)和 N(1,)，证明使平均决策风险最小的决策阈值为 1 2  P( ) x  ln 21 2 0 2  P( ) 12 1 (x )2 1 [ 2 ] p (x) e 2 这里，假设风险函数 = =0 。一维正态分布： 2 11 22 概率密度函数估计 5、最大似然估计方法与贝叶斯估计方法 6、Parzen 窗法 2   （3）试用最大似然估计的方法估计单变量正态分布的均值 和方差 。 线性分类器与非线性分类器 7、