原创力文档学 号 姓 名
学 号 姓 名 学 院
……………………密……………封……………线……………以……………内……………答……………题……………无……………效……………………
（考试时间： 至 ，共 2 小时）
课程名称 模式识别 教师 学时 40 学分 2
教学方式 课堂教学 考核日期 年 月 日 成绩
考核方式： （学生填写）
1、（5分）简述有监督学习和无监督学习的异同。
答：
（1）有监督学习必须要有训练集和测试样本，而非监督学习没有训练集；
（2）有监督学习的目的就是识别事物，识别结果表现在给待识别数据加上了标号，因此训练样本集必须由带标号的样本组成，而非监督学习方法只有要分析的数据集本身，预先没有什么标号。
（3）非监督学习方法在寻找数据集中的规律性，这种规律性并不一定要达到分数据集的目的，也就是说不一定要“分类”。
2、（15分）计算单词model和amdeol的编辑距离，画出栅格图。
解：
栅格图为：
从栅格图可计算，model和amdeol的编辑距离为3。
3、（15分）已知A类样本为：，B类样本为：，计算最小二乘分类面的方程（取值为-1和+1），并写出LMS算法的流程。
解：
（1）计算最小二乘分类面为。
（2）LMS算法流程：
步骤1. 初始化训练样本、权向量；
步骤2. 选择一个训练样本，利用下列公式更新权向量：
步骤3. 重复所有样本。
4、（15分）在目标识别中，有和两种目标类型，它们的先验概率分别为0.8和0.2，在一次试验中，获得样本的类概率密度分别为，，并且已知，，，。试对该样本进行分类。
（1）基于最小错误率贝叶斯决策；
（2）基于最小风险贝叶斯决策。
解：（1）利用贝叶斯公式，分别计算出和的后验概率：
根据贝叶斯决策规则，有
所以合理的决策是把该样本归类于。
（2）根据（1）的计算结果可知后验概率为
计算条件风险
由于，因此判断该样本为。
5、（15分）试描述监督分类三种准则的原理及典型方法。
答：
回归分析，利用函数逼近的观点构造判决函数，典型方法包括：LMS、RBF网络等。
支持向量机，从几何角度，构造约束最优化模型，寻找最优分类面，典型方法包括：线性支持向量机和非线性支持向量机。
神经网络，从仿生学角度构造神经网络结构，通过最优化方法进行网络训练，典型方法包括：感知器模型，BP网络等。
6、（20分）已知四个样本具有三个特征，分别为：
1）计算其协方差矩阵，并对其进行主分量，并对结果进行分析。
2）简述mercer定理及核主分量分析的原理。
解：
（1）协方差矩阵：
其中，。
求协方差矩阵的特征值为，，，两个主分量为和对应的特征向量，分别为：
说明三个特征分量中有一个特征和另外两个特征相关，采用主分量分析可以识别该相关向量，达到降低特征空间维度的目的。
（2）Mercer定理认为，映射变换后的内积可以写为函数的形式。
定义：
则有：
根据mercer定理，
最后得到：
相当于在投影域计算KL变换，并进行PCA。
7、（15分）请写出模式识别系统的主要系统组成，阐述各部分的功能及主要方法。
答：模式识别系统的主要系统组成如下：
识别样本，采集用于采集待识别问题的数据
数据预处理，主要消除采集系统差异对识别的影响
特征提取与选择，从数据中提取具特征，并进行去相关等处理
分类器，进行分类，包括监督分类和非监督分类两种，列举相关方法。
文档评论（0）